基于强化学习范式消除二维矩形装箱问题中的维度
机器学习
2024-09-25 v1 最优化与控制
摘要
本文探讨了将强化学习 (Reinforcement Learning, RL) 应用于二维矩形装箱问题的可能性。我们提出了状态和动作空间的一种简化表示，允许我们实现高精度。利用 UNet 架构和近端策略优化 (Proximal Policy Optimization, PPO)，我们实现了一个与 MaxRect 启发式方法相当的模型。然而，我们的方法具有广泛的潜力，可推广到非矩形装箱问题和复杂约束。
引用
@article{arxiv.2409.09677,
title = {Mitigating Dimensionality in 2D Rectangle Packing Problem under Reinforcement Learning Schema},
author = {Waldemar Kołodziejczyk and Mariusz Kaleta},
journal= {arXiv preprint arXiv:2409.09677},
year = {2024}
}
备注
5th Polish Conference on Artificial Intelligence