每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

城市空气质量管理的深度强化学习：大都市环境中污染缓解亭位置的多目标优化

Created by
  • Haebom

作者

基尔坦·拉杰什、苏维达·鲁佩什·库马尔

大纲

本研究提出了一种新颖的深度强化学习 (DRL) 框架，用于优化空气净化室的布局，从而改善德里的空气质量。该框架使用近端策略优化 (PPO) 算法，基于多种空间和环境因素（包括人口密度、交通模式、工业影响和绿地限制）进行迭代学习，并识别高影响位置。

Takeaways，Limitations

•
Takeaways：
◦
提出了 DRL 框架来优化空气净化室的放置，以改善德里的空气质量。
◦
利用PPO算法实现考虑各种环境因素的高效展位摆放策略。
◦
与现有部署策略（随机、贪婪的基于 AQI）相比，表现出更优异的性能。
◦
使用AQI改善、空间覆盖、人口和交通影响、空间熵等多维绩效评估指标。
•
Limitations：
◦
论文中没有具体提及 Limitations（仅基于 arXiv 摘要）
👍
Made with Slashpage