基于逆向强化学习的铁路线路方案优选研究

MA Qingsong, ZHU Ying, GAO Tianci, LUO Yuan,HE Qing, WANG Ping

Railway Engineering(2023)

引用 0|浏览0
暂无评分
摘要
铁路线路方案评价及比选多采用组合赋权法,其主观赋权过程计算冗杂.选取具备一定程度普适性的专家案例,采用最大熵逆向强化学习方法从专家案例中学习主观赋权"知识",得到专家案例隐藏的"奖励",从而获取可解释性的主观权重.将此主观权重与离差法所得客观权重组合并投入后续TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)评价流程,对线路方案进行最终评价.结合具体实例,建立设计阶段绿色铁路的评价指标体系.结果表明:该方法可以有效计算铁路线路方案评价的量化指标,减小现有赋权方法的计算复杂度,取得较好的评价效果,与真实案例比选结果一致.通过讨论该方法的适用性、局限性及原因,确定该方法在初步评价和泛用性评价中的定位.
更多
关键词
railway route selection,scheme decision,evaluation model,maximum entropy reverse reinforcement learning,TOPSIS,green railway
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要