文献

J-GLOBAL ID：202202285842926011   整理番号：22A0997364

平衡制約付き矩形レイアウト最適化問題のための深さ強化学習アルゴリズム【JST・京大機械翻訳】

Deep reinforcement learning algorithm for rectangle layout optimization with equilibrium constraint

著者 (3件)： Xu Yichun (三峡大学 計算机与信息学院,湖北 宜昌443002) ,  Wan Shuzhen (三峡大学 計算机与信息学院,湖北 宜昌443002) ,  Dong Fangmin (三峡大学 計算机与信息学院,湖北 宜昌443002)
資料名： Jisuanji Yingyong Yanjiu  (Jisuanji Yingyong Yanjiu)
巻： 39  号： 1  ページ： 146-150  発行年： 2022年 
JST資料番号： C2536A  ISSN： 1001-3695  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 平衡制約付きの長方形配置問題は,衛星キャビンの配置設計から生じ,組合せ最適化問題である。深さ強化学習は報酬機構を利用し、データ訓練を通じて高性能の意思決定最適化を実現した。配置最適化問題のために,深さ強化学習に基づく新規アルゴリズムDARとその拡張アルゴリズムIDAR.DARは,ポインタネットワーク出力位置確認手順を用いて,位置確認機構によってレイアウト結果を与えて,アルゴリズムの時間複雑性はO(n3)であった。IDARアルゴリズムはDARに基づく反復機構を導入し,アルゴリズムの時間複雑性はO(n4)であるが,より良い結果を与える。テストは,DARアルゴリズムが良好な学習能力を持ち,小型レイアウト問題で訓練したモデルを解くことができ,大規模問題に適用できることを示した。2つの大規模の典型的な実例の対照実験において、提案アルゴリズムはそれぞれ現在の最適解を超え、時間と品質上の利点を持っている。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *最適化 ,  意思決定 ,  配置設計 ,  配置問題 ,  キャビン ,  性質 ,  大規模 ,  *制約条件 ,  *強化学習 ,  組合せ最適化問題 ,  *学習アルゴリズム
準シソーラス用語： 最適解 ,  学習能力 ,  複雑性 ,  *レイアウト最適化 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (7件)： 平衡 ,  制約 ,  矩形 ,  レイアウト最適化 ,  問題 ,  強化 ,  学習アルゴリズム