Multi-Agent Reinforcement Learning for ...
Type de document :
Communication dans un congrès avec actes
Titre :
Multi-Agent Reinforcement Learning for Strategic Bidding in Two Stage Electricity Markets
Auteur(s) :
Morri, Francesco [Auteur]
Integrated Optimization with Complex Structure [INOCS]
Le Cadre, Hélène [Auteur]
Integrated Optimization with Complex Structure [INOCS]
Gruet, Pierre [Auteur]
EDF R&D [EDF R&D]
Brotcorne, Luce [Auteur]
Integrated Optimization with Complex Structure [INOCS]
Integrated Optimization with Complex Structure [INOCS]
Le Cadre, Hélène [Auteur]
Integrated Optimization with Complex Structure [INOCS]
Gruet, Pierre [Auteur]
EDF R&D [EDF R&D]
Brotcorne, Luce [Auteur]
Integrated Optimization with Complex Structure [INOCS]
Titre de la manifestation scientifique :
IMACS23 - 21st IMACS World congress
Ville :
Rome
Pays :
Italie
Date de début de la manifestation scientifique :
2023-09-11
Mot(s)-clé(s) en anglais :
Multi agent System
Electricity market
Deep reinforcement learning
Renewable energy
Electricity market
Deep reinforcement learning
Renewable energy
Discipline(s) HAL :
Informatique [cs]/Système multi-agents [cs.MA]
Langue :
Anglais
Comité de lecture :
Oui
Audience :
Internationale
Vulgarisation :
Non
Collections :
Source :
Fichiers
- IMACS23_Abstract.pdf
- Accès libre
- Accéder au document
- IMACS23_Abstract.pdf
- Accès libre
- Accéder au document