Resumen

La gran escala, la variabilidad temporal y la diversificación de las infraestructuras de red físicamente acopladas, como la red eléctrica y el sistema de transporte, llevan a la complejidad de su diseño, implementación y expansión del controlador. Para abordar estos desafíos, sugerimos un algoritmo de control de aprendizaje por refuerzo distribuido en línea con una red neuronal de una capa para cada subsistema o agentes llamados, para adaptarse a la variación de las infraestructuras de red. Cada controlador incluye una red crítica y una red de acción para aproximar la función de utilidad de la estrategia y la ley de control deseada, respectivamente. Para evitar un gran número de pruebas y mejorar la estabilidad, el entrenamiento de la red de acción introduce mecanismos de aprendizaje supervisado en la reducción del costo a largo plazo. Se analiza la estabilidad del sistema de control con el algoritmo de aprendizaje; también se estiman el límite superior del error de seguimiento y los pesos de la red neuronal. La efectividad de nuestro controlador propuesto se

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Infraestructuras a gran escala; En red; Aprendizaje por refuerzo; Red neuronal; Diseño de controlador; Estabilidad
• Keywords:Large scale; Networked infrastructures; Reinforcement learning; Neural network; Controller design; Stability