维护作业中用于共享学习的最优数据池化
机器学习
2023-11-07 v2 概率论
摘要
我们研究了两种常见维护作业中用于共享学习的最优数据池化：基于状态的维护和备件管理。我们考虑一组受Poisson输入（退化或需求过程）作用的系统，这些系统通过一个先验未知的比率耦合。涉及这些系统的决策问题是高维马尔可夫决策过程（MDP），因此难以求解。我们给出一个分解结果，将此类MDP化简为二维MDP，从而支持结构分析与计算。利用该分解，我们（i）证明与不池化相比，池化数据可带来显著的成本降低；（ii）表明基于状态的维护问题的最优策略是一个控制限策略，而备件管理问题的最优策略是一个订货至水平策略，两者均依赖于池化数据。
引用
@article{arxiv.2308.12670,
title = {Optimal data pooling for shared learning in maintenance operations},
author = {Collin Drent and Melvin Drent and Geert-Jan van Houtum},
journal= {arXiv preprint arXiv:2308.12670},
year = {2023}
}