بهینه سازی بر مبنای شبیه سازی در بهره برداری از مخازن سدها: رویکرد یادگیری تقویتی

استفاده از برنامه ریزی پویای استوکستیک (sdp) در بهینه سازی مسائل بزرگ مقیاس بهره برداری از مخازن سدها به دلیل نیاز به گسسته سازی متغیرهای حالت و تصمیم و در نتیجه مشکل ابعادی با محدودیتهای جدی مواجه است. روش یادگیری تقویتی (rl) یکی از تکنیکهای پیشرفته در حل مسائل تصمیم گیری متوالی در محیط  استوکستیک و مبتنی بر شبیه سازس است. rl می تواند با پیدا کردن سیاست بهینه برای حالتهایی از سیستم که در واقع بیشتر رخ می دهند به جوابهایی نزدیک به جواب بهینه در زمان، قابل قبول نایل شود. در این مقاله، مساله بهینه سازی بهره برداری از سد مخزنی چراغ ویس واقع در استان کردستان به عنوان مطالعه موردی با استفاده از روش rl مطالعه شده و با روش sdp مقایسه گردیده است. نتایج نشان دهنده همگرایی مطلوب روش rl در نیل به جواب بهینه است.