Modelling Reinforcement Learning Scheduling Agents: Action spaces, reward designs, and expert demonstrations
यह शोध पत्र इस बात की जांच करता है कि डीप रिइन्फोर्समेंट लर्निंग में मॉडलिंग विकल्प फ्लेक्सिबल जॉब-शॉप शेड्यूलिंग समस्या के लिए शेड्यूलिंग नीतियों को कैसे प्रभावित करते हैं, यह प्रदर्शित करते हुए कि एक मल्टी-एजेंट फ्रेमवर्क में कंस्ट्रेंट प्रोग्रामिंग-व्युत्पन्न इष्टतमता सीमाओं (optimality bounds) और विशेषज्ञ प्रदर्शनों (expert demonstrations) को एकीकृत करना रिवॉर्ड डिज़ाइन को महत्वपूर्ण रूप से सुधारता है और बेहतर, वास्तविक समय की शेड्यूलिंग प्रदर्शन प्राप्त करने के लिए अभिसरण (convergence) को तेज करता है।