Monte Carlo Tree Search appliqué à la gestion de stocks

Adrien Couetoux 1 Olivier Teytaud 1, 2 Nicolas Bonnard 3 Nicolas Omont 3 Olivier Ratier 3
2 TAO - Machine Learning and Optimisation
CNRS - Centre National de la Recherche Scientifique : UMR8623, Inria Saclay - Ile de France, UP11 - Université Paris-Sud - Paris 11, LRI - Laboratoire de Recherche en Informatique
Résumé : Les ressources énergétiques devenant de plus en plus limité, il devient crucial d'apprendre à gérer intelligemment les sources renouvelables d'énergie. Cependant, ces sources ne s'adaptent pas aussi facilement à la demande que les centrales à gaz ou à charbon (comme les barages hydroélectriques, ou les panneaux solaire). Donc, planifier leur utilisation est un enjeu majeur des années à venir. La plupart des méthodes actuelles de gestion de stocks d'énergie passent difficilement à l'échelle. C'est pourquoi nous proposons une méthode alternative, Monte Carlo Tree Search, qui a déjà eu beaucoup de succès dans les espaces d'état discrets, comme dans le jeu de Go. Nous comparons ses performances à celles des méthodes utilisées actuellement dans l'industrie.
Type de document :
Communication dans un congrès
ROADEF 2011, Mar 2011, France. N°241, p.I-149, 2011
Liste complète des métadonnées

Littérature citée [5 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-00623668
Contributeur : Adrien Couetoux <>
Soumis le : jeudi 20 octobre 2011 - 08:46:16
Dernière modification le : jeudi 5 avril 2018 - 12:30:12
Document(s) archivé(s) le : samedi 21 janvier 2012 - 02:20:35

Fichier

roadef2011_submission_241.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00623668, version 1

Collections

Citation

Adrien Couetoux, Olivier Teytaud, Nicolas Bonnard, Nicolas Omont, Olivier Ratier. Monte Carlo Tree Search appliqué à la gestion de stocks. ROADEF 2011, Mar 2011, France. N°241, p.I-149, 2011. 〈hal-00623668〉

Partager

Métriques

Consultations de la notice

435

Téléchargements de fichiers

266