Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Aprendizaje de refuerzo fuera de línea para aprender a despachar para la programación de talleres de trabajo

Created by
  • Haebom

Autor

Jesse van Remmerden, Zaharah Bukhsh, Yingqian Zhang

Describir

En este artículo, proponemos el Despacho Aprendidamente Offline (Offline-LD), un enfoque de aprendizaje por refuerzo offline para el Problema de Programación en el Lugar de Trabajo (JSSP). Para superar la ineficiencia muestral de los métodos existentes de aprendizaje por refuerzo online, la imposibilidad de utilizar las técnicas existentes y la dificultad de la simulación en entornos complejos, adoptamos un enfoque offline que aprende utilizando los datos de programación existentes. Utilizamos una variante enmascarable de la Regresión Cuantil Enmascarable DQN (mQRDQN) y un Actor-Crítico Suave discreto enmascarable (d-mSAC), e introducimos el Aprendizaje Q Conservativo (CQL) y una novedosa técnica de modificación de bonificación de entropía y regularización de recompensas. Los resultados experimentales muestran que el Offline-LD supera al aprendizaje por refuerzo online incluso con soluciones expertas limitadas (100 soluciones generadas por CP), y muestra un rendimiento superior incluso en conjuntos de datos con ruido añadido, lo que aumenta su aplicabilidad a entornos reales.

Takeaways, Limitations

•
Takeaways:
◦
Presentación de una solución JSSP basada en el aprendizaje de refuerzo fuera de línea que supera las limitaciones del aprendizaje de refuerzo en línea existente
◦
Aumente la eficiencia del aprendizaje utilizando soluciones expertas existentes (CP, etc.)
◦
Sugiriendo la posibilidad de utilizar datos reales que contengan ruido
◦
Conseguir un mejor rendimiento que el RL online incluso con datos limitados
•
Limitations:
◦
Existe la posibilidad de que el rendimiento del método propuesto dependa en gran medida de la calidad de los datos (falta de un análisis claro de la calidad de los datos).
◦
Es necesario verificar el rendimiento de generalización para varios tipos de problemas JSSP
◦
Ausencia de resultados experimentales utilizando conjuntos de datos del mundo real a gran escala
◦
Falta de análisis comparativo con otras técnicas de aprendizaje de refuerzo fuera de línea
👍
Made with Slashpage