Title：Ship Energy Scheduling with DQN-CE Algorithm Combining Bi-directional LSTM and Attention Mechanism
【Applied Energy】结合双向LSTM和注意力机制的DQN-CE算法船舶能量调度（中科院1区Top,IF 11.2)

具体实现方法可以参考原文：论文地址
欢迎大家引用和交流，具体问题可以给我留言，后面有空也会详细介绍实现过程。

Highlights
(1)建立了AES电力系统智能能量调度环境。
(2)将BI-LSTM与注意力机制相结合，提出了BI-LSTM-Att行动网络。
(3)通过对DQN算法进行改进提出了DQN-CE算法。
(4)在全电动渡轮上在多个场景下进行了多个方法的对比实验，从而验证了本文方法的有效性和优越性。
Research gap
(1) 目前大多数基于DRL的能量调度算法基本上都是采用MLP作为动作网络，只对MLP的隐藏层层数、节点数和激活函数等进行调整，暂时未有对动作网络结构的研究探索，而MLP作为动作网络对DRL性能提升是有限的，因此本文提出了新的DRL动作网络。
(2) 在AES能量调度问题中，基于DQN的能量调度算法已有较多的研究和应用，但是DQN算法本身存在Q值估计过高的问题，而一般来说Q值的过高估计会降低算法性能，降低DQN算法Q估计值可提高算法性能。在AES能量调