強化学習による土壌熱交換システムの最適制御 その2 Deep Q-Network とCFD の連成解析

摘要

本報では、土壌熱交換システムの運転制御に強化学習（DQN）を組み込hだ制御により、強化学習の有効性の検証を行った。結果として、学習の収束や報酬の設計などに再考の余地があったが、傾向として、制御時に結露しないように制御が行われているタイミングもあった。次報以降では、アルゴリズムや報酬などを再検討した上で、より形状を詳細に再現したモデルを用いて、学習時に選択した行動の特徴の抽出や学習したディープニューラルネットワークを再利用し別のモデルで再学習を行う転移学習に関しての検証を行う。