本文将光伏（PV）政策设计视为一个序列决策问题，结合强化学习（RL）与随机主体模型（ABM）模拟年度光伏采纳过程。决策者在 16 年的时间跨度内每年选择激励手段，包括资本补贴、优惠贷款利率和上网电价。采用标量化奖励框架，将采纳量与公共支出通过权重 $w_{\text{cost}}$ 进行平衡。\
使用 PPO、SAC、TD3 三种算法进行策略学习，并在随机仿真环境中评估。结果显示，最高采纳策略（TD3，$w_{\text{cost}}=0.5$）实现约 4,145 名采纳者，成本 41.73 百万欧元；最低成本策略（PPO，$w_{\text{cost}}=2.0$）将支出降至 7.27 百万欧元，采纳者为 2,682 名；平衡策略（PPO，$w_{\text{cost}}=1.6$）实现 3,495 名采纳者，成本 22.47 百万欧元。不同算法均呈现一致的采纳‑成本权衡，表明该关系具有鲁棒性。相较于静态基线政策，RL 框架能够探索更广泛的政策配置空间，展示了在不确定环境下自适应政策设计的潜力。\
点评