論文の概要: Contextual Quality-Diversity Evolutionary Reinforcement Learning for HVAC Control in Tropical Commercial Buildings
- arxiv url: http://arxiv.org/abs/2608.11324v1
- Date: Tue, 11 Aug 2026 18:16:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.332366
- Title: Contextual Quality-Diversity Evolutionary Reinforcement Learning for HVAC Control in Tropical Commercial Buildings
- Title（参考訳）: 熱帯商業ビルにおけるHVAC制御のための文脈品質・多様性進化的強化学習
- Abstract要約: 本稿では,CQD-ERLの文脈的品質・多様性進化型強化学習コントローラを提案する。
この制御器はシンガポールの商業ビルの遅延負荷, 冷却-トウワーアプローチ, 湿度制約を表す2段階の低次環境を訓練する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper proposes a contextual quality-diversity evolutionary reinforcement-learning controller, CQD-ERL, for the supervisory control of a tropical, water-cooled chiller plant and its associated air side. Rather than converging to a single scalarised policy, the controller maintains a product archive of specialised policies indexed jointly by a data- driven operating context, a cluster of daily weather and load regime, and a context-invariant behaviour descriptor, filled by a gradient-free evolutionary operator and a soft-actor-critic policy-gradient operator that share one replay buffer. Every action is filtered through a deterministic safety shield before execution. The controller is trained on a two-tier reduced-order environment representing the latent load, cooling-tower approach and humidity constraints of a Singapore commercial building, and is evaluated over a full annual backtest against an ASHRAE Guideline 36 baseline.
- Abstract（参考訳）: 本稿では,CQD-ERL(CQD-ERL)を用いて,熱帯・水冷チラープラントとその関連空気面の監視制御を行う。
コントローラは、単一のスカラー化されたポリシーに収束するのではなく、データ駆動の運用コンテキスト、日々の天気と負荷状態のクラスタ、および1つのリプレイバッファを共有するグラデーションフリーの進化オペレータとソフトアクタクリティカルなポリシー勾配演算子で満たされたコンテキスト不変の振る舞い記述子によってインデックス付けされた、特殊化されたポリシーの製品アーカイブを保持する。
すべてのアクションは、実行前に決定論的安全シールドを通じてフィルタリングされる。
シンガポールの商業ビルの潜伏荷重, 冷却-トウワーアプローチ, 湿度制約を表す2段階の低次環境を訓練し, ASHRAEガイドライン36ベースラインに対して, 年1回のバックテストで評価した。
関連論文リスト
- A Unified Python Framework for Direct PPO-based Control of AHUs with Economizer Logic and CO2-Constrained Ventilation [0.0]
本稿では,Deep Reinforcement Learning (DRL)アルゴリズムを用いたHVACシステムの最適化手法を提案する。
DRLシステムは、2次キャパシタの熱モデルとCO2の動的質量バランスを統合して、建物に関連する複雑な物理を再現する。
エンタルピーベースのエコノマイザは、屋外環境から自由に冷却するために使用される。
論文 参考訳（メタデータ） (2026-05-23T05:31:09Z) - MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。
ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
論文 参考訳（メタデータ） (2026-05-18T01:52:12Z) - Closed-Loop CO2 Storage Control With History-Based Reinforcement Learning and Latent Model-Based Adaptation [0.0]
この研究は、部分的に観測可能なシーケンシャルな決定問題としてCO2注入とブライン生産制御を定式化する。
まず、特権国家、良質な歴史条件、マスキングカリキュラム、非対称教師学生のモデルフリー政策を比較した。
次に、既知のインジェクタ故障下で、名目上の潜在力学とリチューン制御を再利用する潜在モデルに基づく適応パイプラインを評価する。
論文 参考訳（メタデータ） (2026-05-04T09:49:44Z) - AR-CoPO: Align Autoregressive Video Generation with Contrastive Policy Optimization [47.39648302477585]
ストリーミング自動回帰(AR)ビデオジェネレータと数段蒸留を組み合わせることで、低レイテンシで高品質な合成を実現する。
本稿では,ストリーミングAR生成に対するNighbor GRPOのコントラスト的視点を適応させるフレームワークであるAR-CoPOを提案する。
論文 参考訳（メタデータ） (2026-03-18T08:07:01Z) - Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。
このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。
安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
論文 参考訳（メタデータ） (2026-03-07T01:49:59Z) - Plug-and-Play Benchmarking of Reinforcement Learning Algorithms for Large-Scale Flow Control [61.155940786140455]
強化学習(RL)は,アクティブフロー制御(AFC)において有望な結果を示した。
現在のAFCベンチマークは、外部計算流体力学(CFD)の解法に依存しており、完全には微分不可能であり、3Dとマルチエージェントのサポートが限られている。
AFCにおけるRLのための最初のスタンドアロンで完全に差別化可能なベンチマークスイートであるFluidGymを紹介する。
論文 参考訳（メタデータ） (2026-01-21T14:13:44Z) - Shielded Controller Units for RL with Operational Constraints Applied to Remote Microgrids [50.64533198075622]
強化学習(Reinforcement Learning, RL)は、不確実性の下で複雑なシステムにおける意思決定を最適化するための強力なフレームワークである。
本稿では,システムダイナミクスの事前知識を活用する体系的かつ解釈可能なアプローチであるシールド制御ユニット(SCU)を紹介する。
本研究では,厳密な運用要件を持つ遠隔マイクログリッド最適化タスクにおけるSCUの有効性を示す。
論文 参考訳（メタデータ） (2025-11-30T19:28:34Z) - ACL-QL: Adaptive Conservative Level in Q-Learning for Offline Reinforcement Learning [46.67828766038463]
本稿では,Q-Learning(ACL-QL)における適応保守レベル(Adaptive Conservative Level in Q-Learning, ACL-QL)を提案する。
ACL-QLは、各状態-作用ペアに対する保守的なレベルの適応的な制御を可能にする。
理論解析により,2つの学習可能な適応重み関数を用いて各遷移の保守レベルを制御する新しいアルゴリズム ACL-QL を提案する。
論文 参考訳（メタデータ） (2024-12-22T04:18:02Z) - Dichotomy of Control: Separating What You Can Control from What You
Cannot [129.62135987416164]
政策の制御(行動)と政策の制御(環境)以外のメカニズムを分離する将来の条件付き教師あり学習フレームワークを提案する。
我々は,DoCが条件付入力と整合したポリシを出力し,学習したポリシを所望のハイリターン未来結果に条件付けすることで,高リターン行動が正しく引き起こされることを示す。
論文 参考訳（メタデータ） (2022-10-24T17:49:56Z) - Robust Action Governor for Uncertain Piecewise Affine Systems with
Non-convex Constraints and Safe Reinforcement Learning [5.7406123763046955]
Action Governorは、制御アクションを監視し、調整し、ポイントインタイムの状態と制約として表現された安全仕様を強制する名目制御ループへのアドオンスキームである。
非時間付加的不確実性として表現できるシステムのロバスト行動知事(RAG)を紹介する。
この開発により、環境の安全なリアルタイム進化と、システムパラメータの変化への適応が可能になる。
論文 参考訳（メタデータ） (2022-07-17T17:31:07Z) - Development of a Soft Actor Critic Deep Reinforcement Learning Approach
for Harnessing Energy Flexibility in a Large Office Building [0.0]
本研究は,Soft Actor Critic'(SAC)に基づくDeep Reinforcement Learning(DRL)の新規適用と研究に関するものである。
SACは、連続的なアクションスペースを処理できるモデルフリーのDRL技術です。
論文 参考訳（メタデータ） (2021-04-25T10:33:35Z) - Online Learning and Distributed Control for Residential Demand Response [16.61679791774638]
本稿では,インセンティブに基づく住宅需要応答(DR)における空調負荷の自動制御手法について検討する。
DRイベントにおけるAC制御問題を,室内熱力学と顧客のオプトアウト状態を統合した多周期遷移最適化として定式化する。
本稿では、顧客の振る舞いを学習し、リアルタイムのAC制御スキームを作成するためのオンラインDR制御アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-10-11T03:52:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。