水库优化与机器学习方法
Reservoir optimization and Machine Learning methods
AI总结：
本文研究水库优化问题，提出改进的动态规划算法、更优的贝尔曼值神经网络估计方法，以及结合线性规划与神经网络条件割的新算法，以求解高维和随机线性存储问题。
摘要：
在展示前馈网络对某些存储问题全局优化中高维控制估计的有效性之后，我们基于某种动态规划原理对一个算法进行了改进。我们表明经典前馈网络在估计水库问题的贝尔曼值时并不有效，并提出了一些能给出远好结果的神经网络。最后，我们开发了一种混合线性规划求解与由神经网络计算的条件割的新算法，用于求解某些随机线性问题。
英文摘要：
After showing the efficiency of feedforward networks to estimate control in high dimension in the global optimization of some storages problems, we develop a modification of an algorithm based on some dynamic programming principle. We show that classical feedforward networks are not effective to estimate Bellman values for reservoir problems and we propose some neural networks giving far better results. At last, we develop a new algorithm mixing LP resolution and conditional cuts calculated by neural networks to solve some stochastic linear problems.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
