101409 - پروژه یادگیری تقویتی

من یه پروزه میخواستم پروژه بخشی از کار دکترا هست مربوط به یادگیری تقویتی هست. نیاز به یک متخصص یاد گیری تقویتی و graph neural network داشتم ، که پروژه رو انجام بدیم به یک متخصص سطح بالا نیلز داشتم عنوان پروژه : Deep Reinforcement Learning for Integrated Building Retrofit and Distributed Energy Planning: A Multi-Stakeholder Neighborhood Decarbonization Framework رشته: رشته خودم مربوط به gis, energy transition هست. پروژه بخشی از کار دکترام هست. به فرد متخصص تو reinforcement learning نیاز داشتم ترجیحا کامپیوتری یا برق زمان: دو ماه بشه، ایده ال میشه! قابل مذاکره به سه ماه! متن پروژه: این پروژه یک چارچوب بهینه‌سازی برای برنامه‌ریزی 20 ساله انتقال انرژی در سطح محله (حدود 150 ساختمان ) است. هدف یافتن بهترین مسیر برای: - بازسازی پوسته ساختمان‌ها (عایق‌کاری، پنجره، سقف) - الکتریفیکاسیون سیستم گرمایش (تبدیل گاز به پمپ حرارتی) - نصب پنل خورشیدی و باتری - کاهش وابستگی به شبکه برق اصلی استفاده از یادگیری تقویتی عمیق که می‌تواند تصمیمات متوالی بگیرد و تاثیر بلندمدت اقدامات را در نظر بگیرد. هدف: کمترین هزینه + کمترین CO2 + بیشترین خودکفایی تعریف اولیه state, action, reward ها رو دارم! و به مرور در طی کار اگر تغییر لازم بود میتونیم انجام بدیم! ورودی‌ها (من می‌دهم) ✅ 500 فایل شبیه‌سازی UBEM (تقاضای انرژی ساعتی) ✅ هزینه بازسازی و تجهیزات ✅ پروفایل خورشیدی ساعتی ✅ مقاله مرجع (PDF پیوست) ساختار مسئله State : سال، قیمت‌ها، وضعیت ساختمان‌ها، ظرفیت خورشیدی/باتری، معیارهای شبکه Actions : بازسازی ساختمان‌ها الکتریفیکاسیون نصب خورشیدی نصب باتری هیچ‌کاری نکن Reward: R = -(هزینه سرمایه + هزینه انرژی + جریمه انتشار + جریمه شبکه) الگوریتم: نیاز به بحث دارد. کد Python خروجی‌ها: کد کامل + documentation فایل‌های پیوست: کارم هم کانسپتش تا حدود زیادی شبیه به کار این مقاله هست! ولی یک سری تفاوت هایی داره تو نوع دادهه ها و خروجی های مدنظر! Multi-energy microgrid expansion planning with reliability consideration based on deep reinforcement learning