صاختار صنعت برق در بسیاری از کشورهای جهان در حال گذار از فضای انحصاری به فضای رقابتی است. در این فرآیند که تحت عنوان کلی تجدید ساختار در صنعت برق پیگیری می شود، کشورهای مختلف با مدل های متفاوتی در جهت رقابتی کردن این صنعت در حال حرکتند. تجدید ساختار در صنعت برق مسایل مختلف بهره برداری و برنامه ریزی صنعت برق را تحت تاثیر قرار داده است و مسایل جدیدی نیز در این حوزه ها متولد شده اند. در فضای رقابتی صنعت برق و با شکل گیری بازارهای مختلف برای انرژی، یکی از مسایل با اهمیت که نقش کلیدی را در بهره برداری و سودآوری شرکت های تولیدی ایفاء می کند، مسیله ی پیشنهاد قیمت در حراج های انرژی روز قبل می باشد. با توجه به این واقعیت که رقابتی بودن و اطلاعات ناکامل، دو ویژگی جدایی ناپذیر بازار برق می باشد، در تعریف این پایان نامه به آن توجه شده و سیستم انتخاب قیمت استراتژیک، برای ارایه قیمت در بازار روز-قبل انرژی با پرداخت تبعیض آمیز (pay as bid) در نظر گرفته شده است. از الگوریتم q-learning برای مدل کردن یک تامین کننده توان در بازار برق بعنوان یک عنصر تطبیق پذیر مستقل، با بکارگیری حداقل اطلاعات موجود در بازار (قیمت تسویه بازار) استفاده شده است. الگوریتم ql یکی از روش های یادگیری تقویتی است که نیازی به مدل محیط ندارد. در این پایان نامه نشان داده شده که با استفاده از الگوریتم یاد شده می توان رفتار شرکت کنندگان بازار را شناسایی کرده و پیشنهاد قیمت مناسبی برای رسیدن به سود حداکثر ارایه نمود. در مرحله اول تلاش شده با توجه به شیب سطوح هم سود نیروگاه ها، اصلاحاتی برای افزایش سرعت همگرایی الگوریتم ارایه شودو در مرحله دوم، الگوریتم جدیدی بر اساس نشان دار کردن فضای انتخاب قیمت هر تولید کننده جهت افزایش حساسیت الگوریتم ql و پایداری سود دهی در شرایط تغییرات ناگهانی بار، پیشنهاد شده است. برای ارزیابی روش های پیشنهادی از شبکه های تست 5 باس pjm و 30 باس ieee استفاده شده است.