文献

J-GLOBAL ID：202202248553289637   整理番号：22A0802430

強化学習と確率分位を用いた複数ステーションによる確率的混合モデル順序づけ【JST・京大機械翻訳】

Stochastic mixed model sequencing with multiple stations using reinforcement learning and probability quantiles

著者 (3件)： Brammer Janis (Volkswagen AG, Wolfsburg, Germany) ,  Lutz Bernhard (University of Freiburg, Freiburg, Germany) ,  Neumann Dirk (University of Freiburg, Freiburg, Germany)
資料名： OR Spektrum  (OR Spektrum)
巻： 44  号： 1  ページ： 29-56  発行年： 2022年 
JST資料番号： C0745A  ISSN： 0171-6468  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本研究では,確率的処理時間を有する混合モデル配列(MMS)問題における作業過負荷状況の数を最小化するための強化学習(RL)手法を提案した。学習環境は確率的処理時間をシミュレートし,負の報酬を持つ作業過負荷をペナルティ化する。問題の確率的成分を説明するために,処理時間がそれぞれの25%,50%,および75%確率分位数に等しいならば,作業過負荷が発生するかどうかを指定する状態表現を実行した。それによって,RLエージェントは過負荷状況の数を最小化するために誘導され,一方,処理時間における変動が解の品質にどのように影響するかについての統計的情報によって提供される。知る限りでは,本研究は,過負荷状況の最小化による確率的問題変動を考察した最初のものである。Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *確率 ,  加工時間 ,  スケジューリング ,  変動 ,  問題 ,  過負荷 ,  ペナルティ ,  エージェント ,  *強化学習
準シソーラス用語： 位数 ,  *混合モデル ,  *順序づけ , 【Automatic Indexing@JST】

著者キーワード (5件)： スケジューリング ,  混合モデル配列決定 ,  強化学習 ,  メタヒューリスティックス ,  組合せ最適化

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 強化学習 ,  確率 ,  ステーション ,  混合モデル ,  順序づけ