Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/33770
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Бойко Алина Владимировна | ru_RU |
dc.contributor.advisor | Bojko Alina Vladimirovna | en_GB |
dc.contributor.author | Кондратов Иван Владимирович | ru_RU |
dc.contributor.author | Kondratov Ivan Vladimirovic | en_GB |
dc.contributor.editor | Петросян Ованес Леонович | ru_RU |
dc.contributor.editor | Petrosan Ovanes Leonovic | en_GB |
dc.date.accessioned | 2021-12-08T11:23:20Z | - |
dc.date.available | 2021-12-08T11:23:20Z | - |
dc.date.issued | 2021 | |
dc.identifier.other | 040254 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/33770 | - |
dc.description.abstract | В работе был представлен способ построения расписания из связанных между собой задач, с учетом наличия нескольких исполнителей, с применением методов обучения с подкреплением. Были рассмотрены несколько различных существующих подходов к решению данной задачи, такие как методы теории расписаний, методы обучения с подкреплением. Практическая часть представляет собой построение модели, способной к приоритезации задач и выбором исполнителия, основанная на алгоритмах обучения с подкреплением и проведение численного эксперимента для оценки её эффективности и сравнения с уже известными алгоритмами теории расписаний. | ru_RU |
dc.description.abstract | This paper presented a way of constructing a schedule of related tasks, taking into account the presence of multiple executors, using reinforcement learning techniques. Several different existing approaches to solve this problem have been considered, such as schedule theory methods, reinforcement learning methods. The practical part is to build a model capable of task prioritization and performer selection based on reinforcement learning algorithms and to conduct a numerical experiment to evaluate its effectiveness and compare it with already known scheduling algorithms. | en_GB |
dc.language.iso | ru | |
dc.subject | Теория расписаний | ru_RU |
dc.subject | Обучение с подкреплением | ru_RU |
dc.subject | Машинное обучение | ru_RU |
dc.subject | Scheduling | en_GB |
dc.subject | Reinforcement learning | en_GB |
dc.subject | Machine Learning | en_GB |
dc.title | Reinforcement learning in scheduling | en_GB |
dc.title.alternative | Методы обучения с подкреплением для класса задач теории расписания | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
spbu_diploma_ivan_final.pdf | Article | 1,86 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Kondratov_review_Petrosyan_OL_signed.pdf | ReviewSV | 258,57 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.