Indexed by：
Abstract：
为了有效解决电动汽车充电目的地优化和充电路径规划问题，以及充电引导的在线实时决策问题，建立了考虑多种不确定因素的电动汽车充电引导双层优化模型，提出了一种基于分层增强深度Q网络强化学习(HEDQN)的电动汽车充电引导方法。所提HEDQN算法采用基于Huber损失函数的双竞争型深度Q网络算法，并包含2层增强深度Q网络(eDQN)算法。上层eDQN用于对电动汽车充电目的地的优化；在此基础上，下层eDQN用于对电动汽车充电路径的实时优化。最后，在某城市交通网络中对所提HEDQN算法进行仿真验证，仿真结果表明相比基于Dijkstra最短路径的就近推荐算法、单层深度Q网络强化学习算法和传统的分层深度Q网络...
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
电力自动化设备
ISSN： 1006-6047
CN： 32-1318/TM
Year： 2022
Issue： 10
Volume： 42
Page： 264-272
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
