基于物联网与深度强化学习的建筑企业自主资源管理
机器学习
2022-09-07 v2 计算机视觉与模式识别
摘要
资源分配是建设工程项目规划中最关键的问题之一，因其对成本、时间和质量有直接影响。通常针对项目目标存在特定的自主资源管理方法。然而，对整个建筑组织内资源利用的集成规划与优化十分匮乏。本研究旨在提出一种基于深度强化学习（DRL）的建筑企业自动资源分配结构，可适用于多种情境。该结构中，数据收集（DH）从公司各项目的分布式物联网（IoT）传感器设备汇聚资源信息，以供自主资源管理方法使用。随后，覆盖资源分配（CRA）与 DH 所获信息进行比较，由自主资源管理（ARM）确定目标项目。类似地，采用相似模型的双深度 Q 网络（DDQN）基于公司结构化资源信息在两种不同分配情境下训练，以平衡目标与资源约束。本文所提技术通过将组合信息与被采用的单个项目信息相结合，可高效适配大型资源管理系统。此外，详细分析了重要信息处理参数对资源分配性能的影响。并且，给出了管理方法泛化性的结果，表明在情境变量改变时无需额外训练。
引用
@article{arxiv.2208.08087,
title = {Autonomous Resource Management in Construction Companies Using Deep Reinforcement Learning Based on IoT},
author = {Maryam Soleymani and Mahdi Bonyani and Meghdad Attarzadeh},
journal= {arXiv preprint arXiv:2208.08087},
year = {2022}
}