再生停止问题的学习算法及其在物流拼箱中的应用
机器学习
2021-05-07 v1
摘要
我们研究再生停止问题，其中每当控制器决定停止时系统便重新开始，且需最小化长期平均代价。传统的基于模型的解决方案涉及从数据估计底层过程并为估计模型计算策略。在本文中，我们将此类解决方案与深度强化学习和模仿学习进行比较，后者涉及从仿真中学习神经网络策略。我们在物流中的拼箱这一实际问题上评估了不同方法，并证明深度学习可有效用于解决此类问题。
引用
@article{arxiv.2105.02318,
title = {Learning Algorithms for Regenerative Stopping Problems with Applications to Shipping Consolidation in Logistics},
author = {Kishor Jothimurugan and Matthew Andrews and Jeongran Lee and Lorenzo Maggi},
journal= {arXiv preprint arXiv:2105.02318},
year = {2021}
}