Reinforcement learning in scheduling

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.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.