返回
Wind farm layout optimization through multi-strategy differential evolution-based reinforcement learning algorithm
DOI:10.1016/j.energy.2025.138221.png)
摘要
En 中文
• 选择了两种变异策略。
• 提出了一种基于强化学习(RL)的差分进化算法(RLDEA)。
• 开发了求解WFLO问题的三个步骤。
期刊
IF:
9.4
论文数:
4.3W
被引数:
26.3W
机构
暂无机构信息
引用论文
Wind farm layout optimization using self-informed genetic algorithm with information guided exploitation基于信息引导开发的自通知遗传算法的风电场布局优化
APPLIED ENERGY
IF11
An adaptive replacement strategy-incorporated particle swarm optimizer for wind farmlayout optimization结合自适应替换策略的粒子群优化算法在风电场布局优化中的应用
Short-term wind power prediction based on multiscale numerical simulation coupled with deep learning基于多尺度数值模拟与深度学习耦合的短期风电预测
RENEWABLE ENERGY
IF9.1
Differential evolution algorithm with ensemble of parameters and mutation strategies具有参数集成和变异策略的差分进化算法

