深度学习核心技术精讲100篇(六十二)-DQN 的三种改进在运筹学中的应用
【摘要】
前言
假设有一个客服排班的任务,我们需要为 100 个人安排一个星期的排班问题,并且有以下约束条件:
一天被划分为 24 个时间段,即每个时间段为 1 个小时;
每个客服一个星期需要上七天班,每次上班八小时;
每个客服两次上班时间需要间隔 12 小时;
客服值班时,一个星期最早是 0,最晚 24*7 - 1。...
前言
假设有一个客服排班的任务,我们需要为 100 个人安排一个星期的排班问题,并且有以下约束条件:
-
一天被划分为 24 个时间段,即每个时间段为 1 个小时;
-
每个客服一个星期需要上七天班,每次上班八小时;
-
每个客服两次上班时间需要间隔 12 小时;
-
客服值班时,一个星期最早是 0,最晚 24*7 - 1。
以下是我为大家准备的几个精品专栏,喜欢的小伙伴可自行订阅,你的支持就是我不断更新的动力哟!
评判标准:
-
现在有每个时间段所需客服人数,我们希望每个时段排班后的人数与实际人数尽量相近。
最优化问题可以使用启发式算法来做,上次用 DQN,这次用深度强化学习。
Nature DQN
之前给过 DQN 的代码,但是由于没有用批处理,所以速度非常
文章来源: wenyusuran.blog.csdn.net,作者:文宇肃然,版权归原作者所有,如需转载,请联系作者。
原文链接:wenyusuran.blog.csdn.net/article/details/119328755
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)