ترجمه فارسی مقاله ترانسفورماتور تصمیم برای افزایش جستجوی محلی عصبی در مسئله زمان‌بندی کارگاه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Decision Transformer for Enhancing Neural Local Search on the Job Shop Scheduling Problem
عنوان مقاله به فارسی ترانسفورماتور تصمیم برای افزایش جستجوی محلی عصبی در مسئله زمان‌بندی کارگاه
نویسندگان Constantin Waubert de Puiseau, Fabian Wolz, Merlin Montag, Jannik Peters, Hasan Tercan, Tobias Meisen
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Artificial Intelligence,Machine Learning,هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 4 September, 2024; originally announced September 2024. , Comments: currently under review for IEEE Transactions on Cybernetics
توضیحات به فارسی ارسال شده در 4 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: در حال حاضر در حال بررسی برای معاملات IEEE در Cybernetics است
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The job shop scheduling problem (JSSP) and its solution algorithms have been of enduring interest in both academia and industry for decades. In recent years, machine learning (ML) is playing an increasingly important role in advancing existing and building new heuristic solutions for the JSSP, aiming to find better solutions in shorter computation times. In this paper we build on top of a state-of-the-art deep reinforcement learning (DRL) agent, called Neural Local Search (NLS), which can efficiently and effectively control a large local neighborhood search on the JSSP. In particular, we develop a method for training the decision transformer (DT) algorithm on search trajectories taken by a trained NLS agent to further improve upon the learned decision-making sequences. Our experiments show that the DT successfully learns local search strategies that are different and, in many cases, more effective than those of the NLS agent itself. In terms of the tradeoff between solution quality and acceptable computational time needed for the search, the DT is particularly superior in application scenarios where longer computational times are acceptable. In this case, it makes up for the longer inference times required per search step, which are caused by the larger neural network architecture, through better quality decisions per step. Thereby, the DT achieves state-of-the-art results for solving the JSSP with ML-enhanced search.

چکیده به فارسی (ترجمه ماشینی)

مشکل برنامه ریزی فروشگاه شغلی (JSSP) و الگوریتم های راه حل آن برای ده ها سال است که علاقه زیادی به آکادمی و صنعت دارند.در سالهای اخیر ، یادگیری ماشین (ML) نقش مهمی در پیشبرد راه حل های جدید و جدید اکتشافی برای JSSP بازی می کند ، با هدف یافتن راه حل های بهتر در زمان محاسبه کوتاه تر.در این مقاله ما بر روی یک عامل پیشرفته یادگیری عمیق تقویت کننده (DRL) به نام جستجوی محلی عصبی (NLS) ساخته شده است که می تواند به طور مؤثر و مؤثر یک جستجوی بزرگ محله محلی را در JSSP کنترل کند.به طور خاص ، ما روشی را برای آموزش الگوریتم ترانسفورماتور تصمیم (DT) در مورد مسیرهای جستجو که توسط یک عامل آموزش دیده NLS گرفته شده است ، برای بهبود بیشتر در توالی های تصمیم گیری آموخته شده تهیه می کنیم.آزمایشات ما نشان می دهد که DT با موفقیت استراتژی های جستجوی محلی را که متفاوت است و در بسیاری موارد مؤثرتر از خود عامل NLS است ، می آموزد.از نظر مبادله بین کیفیت راه حل و زمان محاسباتی قابل قبول مورد نیاز برای جستجو ، DT به ویژه در سناریوهای برنامه که در آن زمان محاسباتی طولانی تر قابل قبول است ، برتر است.در این حالت ، از طریق تصمیمات با کیفیت بهتر در هر مرحله ، زمان استنباط طولانی تر مورد نیاز در هر مرحله جستجو ، که ناشی از معماری شبکه عصبی بزرگتر است ، ایجاد می کند.بدین ترتیب ، DT برای حل JSSP با جستجوی پیشرفته ML به نتایج پیشرفته می رسد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.