深度强化学习在动态调度中应用的挑战
机器学习
2020-11-12 v1 人工智能
摘要
动态调度旨在于正确的时间将正确的资源智能分配到正确的地点。动态调度是矿业运营优化的核心问题之一。理论上，深度强化学习（RL）应是解决该问题的自然选择。然而，工业界依赖启发式方法甚至人类直觉，这些往往是短视且次优的解。在本文中，我们回顾了使用深度 RL 解决矿业动态调度问题的主要挑战。
引用
@article{arxiv.2011.05570,
title = {Challenges of Applying Deep Reinforcement Learning in Dynamic Dispatching},
author = {Hamed Khorasgani and Haiyan Wang and Chetan Gupta},
journal= {arXiv preprint arXiv:2011.05570},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:2008.10713