Buchumschlag

Reinforcement Learning for Efficient Design and Control Co-optimisation of Energy Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cauz, Marine, Bolland, Adrien, Wyrsch, Nicolas, Ballif, Christophe
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Behind the Myth of Exploration in Policy Gradients
von: Bolland, Adrien, et al.
Veröffentlicht: (2024)

Off-Policy Maximum Entropy RL with Future State and Action Visitation Measures
von: Bolland, Adrien, et al.
Veröffentlicht: (2024)

Informed POMDP: Leveraging Additional Information in Model-Based RL
von: Lambrechts, Gaspard, et al.
Veröffentlicht: (2023)

Maximum-Entropy Exploration with Future State-Action Visitation Measures
von: Bolland, Adrien, et al.
Veröffentlicht: (2026)

Energy, environment, and economy implications of electrifying minibus taxis in African cities - Dataset
von: Dumoulin, Jérémy, et al.
Veröffentlicht: (2024)

Cost Estimation in Unit Commitment Problems Using Simulation-Based Inference
von: Pirlet, Matthias, et al.
Veröffentlicht: (2024)

Gym-TORAX: Open-source software for integrating reinforcement learning with plasma control simulators in tokamak research
von: Mouchamps, Antoine, et al.
Veröffentlicht: (2025)

Assessing strategies to manage distributed photovoltaics in Swiss low-voltage networks: An analysis of curtailment, export tariffs, and resource sharing
von: Pena-Bello, Alejandro, et al.
Veröffentlicht: (2024)

Convergence of a class of gradient-free optimisation schemes when the objective function is noisy, irregular, or both
von: Andrieu, Christophe, et al.
Veröffentlicht: (2025)

Multi-Objective Reinforcement Learning for Energy-Efficient Industrial Control
von: Schäfer, Georg, et al.
Veröffentlicht: (2025)

Rollout-Training Co-Design for Efficient LLM-Based Multi-Agent Reinforcement Learning
von: Jiang, Zhida, et al.
Veröffentlicht: (2026)

Digital Twin-enabled Multi-generation Control Co-Design with Deep Reinforcement Learning
von: Tsai, Ying-Kuan, et al.
Veröffentlicht: (2025)

DeCoR: Design and Control Co-Optimization for Urban Streets Using Reinforcement Learning
von: Poudel, Bibek, et al.
Veröffentlicht: (2026)

FRESCO: Federated Reinforcement Energy System for Cooperative Optimization
von: Cuadrado, Nicolas Mauricio, et al.
Veröffentlicht: (2024)

Optimal Control of Renewable Energy Communities subject to Network Peak Fees with Model Predictive Control and Reinforcement Learning Algorithms
von: Aittahar, Samy, et al.
Veröffentlicht: (2024)

Knowledge Distillation for Efficient Transformer-Based Reinforcement Learning in Hardware-Constrained Energy Management Systems
von: Henrich, Pascal, et al.
Veröffentlicht: (2026)

A TinyML Reinforcement Learning Approach for Energy-Efficient Light Control in Low-Cost Greenhouse Systems
von: Salem, Mohamed Abdallah, et al.
Veröffentlicht: (2025)

Digital Twin-based Control Co-Design of Full Vehicle Active Suspensions via Deep Reinforcement Learning
von: Tsai, Ying-Kuan, et al.
Veröffentlicht: (2025)

Energy-Efficient Deep Reinforcement Learning with Spiking Transformers
von: Uddin, Mohammad Irfan, et al.
Veröffentlicht: (2025)

CoPRIS: Efficient and Stable Reinforcement Learning via Concurrency-Controlled Partial Rollout with Importance Sampling
von: Qu, Zekai, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Personalized Diagnostic Decision Pathways Using Electronic Health Records: A Comparative Study on Anemia and Systemic Lupus Erythematosus
von: Muyama, Lillian, et al.
Veröffentlicht: (2024)

Hardware-Software Co-Design of Scalable, Energy-Efficient Analog Recurrent Computations
von: Fyon, Arthur, et al.
Veröffentlicht: (2026)

Energy Efficient Software Hardware CoDesign for Machine Learning: From TinyML to Large Language Models
von: Vahdatpour, Mohammad Saleh, et al.
Veröffentlicht: (2026)

Interpretability by Design for Efficient Multi-Objective Reinforcement Learning
von: Xia, Qiyue, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for the Design of Metamaterial Mechanisms with Functional Compliance Control
von: Choi, Yejun, et al.
Veröffentlicht: (2024)

Nesting Particle Filters for Experimental Design in Dynamical Systems
von: Iqbal, Sahel, et al.
Veröffentlicht: (2024)

Black-Box Combinatorial Optimization with Order-Invariant Reinforcement Learning
von: Goudet, Olivier, et al.
Veröffentlicht: (2025)

An Attention-based Feature Memory Design for Energy-Efficient Continual Learning
von: Wang, Yuandou, et al.
Veröffentlicht: (2025)

Guiding Evolutionary Molecular Design: Adding Reinforcement Learning for Mutation Selection
von: Milon-Harnois, Gaelle, et al.
Veröffentlicht: (2025)

Co-Learning Port-Hamiltonian Systems and Optimal Energy-Shaping Control
von: Kamboj, Ankur, et al.
Veröffentlicht: (2026)

Energy-Efficient Computation with DVFS using Deep Reinforcement Learning for Multi-Task Systems in Edge Computing
von: Li, Xinyi, et al.
Veröffentlicht: (2024)

Comparing Traditional and Reinforcement-Learning Methods for Energy Storage Control
von: Ginzburg, Elinor, et al.
Veröffentlicht: (2025)

Reinforcement Learning with Adaptive Regularization for Safe Control of Critical Systems
von: Tian, Haozhe, et al.
Veröffentlicht: (2024)

Decomposing Control Lyapunov Functions for Efficient Reinforcement Learning
von: Lopez, Antonio, et al.
Veröffentlicht: (2024)

A Comparative Theoretical Analysis of Entropy Control Methods in Reinforcement Learning
von: Lei, Ming, et al.
Veröffentlicht: (2026)

Efficient Stimuli Generation using Reinforcement Learning in Design Verification
von: Gadde, Deepak Narayan, et al.
Veröffentlicht: (2024)

Recursive Nested Filtering for Efficient Amortized Bayesian Experimental Design
von: Iqbal, Sahel, et al.
Veröffentlicht: (2024)

Trustworthy and Explainable Deep Reinforcement Learning for Safe and Energy-Efficient Process Control: A Use Case in Industrial Compressed Air Systems
von: Bezold, Vincent, et al.
Veröffentlicht: (2025)

Learning to Solve Constrained Bilevel Control Co-Design Problems
von: Kotary, James, et al.
Veröffentlicht: (2025)

Succeed or Learn Slowly: Sample Efficient Off-Policy Reinforcement Learning for Mobile App Control
von: Papoudakis, Georgios, et al.
Veröffentlicht: (2025)