Một thuật toán học sâu để tối ưu hóa kết quả


10

Tôi còn khá mới mẻ với việc học sâu nhưng tôi nghĩ rằng tôi đã tìm đúng tình huống thực tế để bắt đầu sử dụng nó. Vấn đề là tôi chỉ sử dụng các thuật toán như vậy để dự đoán kết quả. Đối với dự án mới của tôi, tôi cần thông tin để cung cấp cho máy để tối ưu hóa kết quả. Ai đó có thể giải thích ngắn gọn về cách tôi nên tiến hành? Tôi bị kẹt.

Đây là tình huống:

Tôi có một cỗ máy lấy các tấm gỗ với các loại gỗ khác nhau có sẵn trong suốt chiều dài của nó và phải cắt nó thành các khối được cung cấp trong một danh sách cắt. Máy này sẽ luôn chọn số điểm cao nhất có thể nhận được từ một ván nhất định. Các điểm thu được bằng cách nhân mỗi khối khu vực bởi nó multiplicator . Thuật toán tôi muốn xây dựng phải cung cấp cho máy đó một hệ số nhân cho mỗi khối được liệt kê trong danh sách cắt. Tất cả đầu ra vật lý từ máy này sẽ được robot dự trữ trên kệ cho đến khi cần. Máy cắt được phép hạ cấp các bộ phận của tấm ván nếu nó giúp nó đạt điểm cao hơn.

Giá trị phải đóng vai trò là động lực cho máy cung cấp cho tôi khối tôi cần nhất mà không hạ cấp quá nhiều gỗ.

MỤC TIÊU TỐI ƯU

  • Hãy chắc chắn rằng mỗi khối có trong kho vào thời điểm cần thiết, nhưng không quá sớm mà không có lý do
  • Hạ cấp càng ít diện tích gỗ càng tốt (một số loài rất đắt)

ĐẦU VÀO NODES

  • Lượng thời gian trước khi khối này là cần thiết
  • Lớp gỗ cho khối này
  • Số lượng khối này cần thiết
  • Khu vực khối (Có thể?)

PHẢN HỒI ĐƯỢC CUNG CẤP CHO ALGORITHM

  • Lượng thời gian trước khi khối sẵn sàng (phải càng thấp càng tốt)
  • Diện tích gỗ bị hạ cấp * số lượng bỏ qua

DỮ LIỆU TRỞ LẠI

  • Một hệ số nhân sẽ cung cấp cho khối đó một mức độ ưu tiên tối ưu so với các khối khác

THÔNG TIN TÔI KHÔNG CÓ NHƯNG COULD GATHER

  • Tỷ lệ trung bình của từng loại cho từng loài gỗ

Những gì tôi đã tìm ra cho đến nay là tôi có thể cần phải phá vỡ phản hồi của mình chỉ trong một giá trị để biến nó thành nút đầu ra. Vấn đề là tôi không thể hiểu cách tạo thuật toán này để xác định hệ số nhân . Tôi có sai khi cố gắng giải quyết điều này thông qua học tập sâu không?


Đây là một câu hỏi thực sự thú vị! Chào mừng đến với AI.
DukeZhou

Tôi đã tự do chỉnh sửa câu hỏi cho rõ ràng hơn. Không chắc chắn phải làm gì với: "Giá trị trên mỗi cm² sẽ mang lại cho khối đó mức ưu tiên tối ưu so với các khối khác" Bạn có nghĩa là cho một khối có giá trị tối ưu so với mức ưu tiên của nó so với các khối khác?
DukeZhou

@DukeZhou Thuật toán của máy nhân giá trị mà tôi đang cố gắng tối ưu hóa bằng tổng diện tích 2D của khối (chiều rộng x chiều dài) để tạo "điểm số" và cắt từng tấm ván để có được điểm tối đa. Nếu tôi xác nhận khu vực của khối trong thuật toán, thì tôi có thể xác định điểm số và sau đó chia cho khu vực. Nói chung, trọng tâm chính là đảm bảo rằng điểm số cao nhất phù hợp với nhu cầu cao nhất để mục tiêu của máy giống với mục tiêu của chúng tôi.
Frank Malenfant

@DukeZhou Xin lỗi nếu nó không rõ ràng như có thể, tiếng Anh là ngôn ngữ thứ hai của tôi.
Frank Malenfant

1
@DukeZhou Đây. Tôi đã thay thế nó bằng số nhân thuật ngữ và cung cấp thêm một số thông tin về việc sử dụng nó.
Frank Malenfant

Câu trả lời:


2

Các mô hình học sâu cho các nhiệm vụ hồi quy khá khó để đào tạo nên tôi khuyên bạn không nên bắt đầu với chúng. Thay vào đó tôi sẽ bắt đầu với một trong những cách tiếp cận dưới đây và có thể cố gắng sử dụng học sâu sau đó.

Một cách tiếp cận cổ điển cho vấn đề có thể là phân tích phần mềm tối ưu hóa của bạn và điều này có thể sẽ dẫn bạn đến một số thuật toán xác định.

Các cách tiếp cận khác nhau có thể coi phần mềm tối ưu hóa của bạn là một hộp đen - cung cấp cho nó nhiều loại đầu vào, ghi lại các biến bạn quan tâm (thời gian thực hiện, cắt kết quả, v.v.) và cố gắng phù hợp với một số loại hoặc hồi quy trên nó .

Một lựa chọn là làm theo ý tưởng của Kourosh và coi đó là một vấn đề tối ưu hóa cổ điển.

Nếu bạn thích sử dụng các công cụ học máy hơn tôi khuyên bạn nên bắt đầu với một mô hình đơn giản như hồi quy tuyến tính chỉ để xác minh rằng có bất kỳ tín hiệu nào trong dữ liệu mà bạn có thể sử dụng. Sau đó, bạn có thể xem các thuật toán mạnh hơn như xgboost, cây hồi quy, v.v.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.