能源系统 MIP-DQN 调度｜Python 混合整数规划与强化学习｜免费代码

项目功能

将电池环境、深度 Q 网络和混合整数规划约束组合用于能源系统调度，包含训练流程、参数配置、样例数据和测试代码。

运行环境

Python 3；NumPy、PyTorch、Pyomo、OMLT。完整求解还需要与 Pyomo 兼容的优化求解器，WandB 为可选组件。

核心入口

MIP_DQN.py；环境定义在 random_generator_battery.py

交付内容

MIP_DQN.py、Parameters.py、random_generator_battery.py、data/、tests/

使用方式

先安装运行依赖并配置求解器，再从小规模参数启动训练；使用 tests 中的用例检查环境、网络和约束连接。

运行状态

需要配置后运行。已完成交付包结构、入口、依赖声明和 Python 语法级检查；完整运行仍取决于本机依赖、外部模型、求解器授权或 MATLAB 环境。

使用限制

训练结果受随机种子、设备和求解器影响；默认参数可能占用较多内存和时间，首次运行应降低训练规模。

适合场景

适合算法学习、课程实验、基线验证和按实际需求进行二次开发。使用前请先用包内样例核对环境与输入格式。