محمدجواد سلیمی جاغرق - دانشجوی کارشناسی ارشد
حبیب رجبی مشهدی - دانشیار دانشگاه فردوسی مشهد
مرتضی رحیمیان - دانشجوی دکتری

امروزه یکی از روش های پرکاربرد تحلیل بازار برق، مدلسازی عامل محور ABM)می باشد و الگوریتمQ-learning یکی از ابزارهای اصلی برای شبیه سازی رفتار عامل ها در این روش می باشد. با توجه به اهمیت مسئله مدیریت ریسک در بازار برق، الگوریتمQ-learning باید به گونه ای طراحی شود که علاوه بر بیشینه سازی سود، کمینه سازی ریسک را نیز در قیمت دهی لحاظ کند. نظریه مطلوبیت به عنوان ابزاری برای تطبیق الگوریتمQ-learning با ریسک بازار مورد استفاده قرار گرفته است. با توجه به انتزاعی بودن مفهوم مطلوبیت، تعریف تابعی مناسب برای مطلوبیت همواره یکی از چالش های این روش بوده است. در این کار بر مبنای نحوه تأثیر منحنی مطلوبیت بر رفتار الگوریتم،Q-learning تابع مطلوبیت جدیدی تعریف شده است. نتایج نشان می دهد که الگوریتم پیشنهادی در پاسخگویی به تغییر ناگهانی شرایط بازار که منجر به تغییرات شدید در ریسک بازار می شود سریعتر از الگوریتمQ-learning کلاسیک عمل می کند.

اقتصاد محاسباتی عامل محور، الگوریتمQ-learning بازار برق، مدیریت ریسک، نظریه مطلوبیت