메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
오승헌 (서울대학교) 송준호 (서울대학교) 우종훈 (서울대학교)
저널정보
대한산업공학회 대한산업공학회 춘계공동학술대회 논문집 2021년 대한산업공학회 춘계공동학술대회 논문집 [2개 학회 공동주최]
발행연도
2021.6
수록면
896 - 899 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (6)

초록· 키워드

오류제보하기
기존의 휴리스틱 기반 최적화 방법들은 데이터의 변동성이 크고 규모가 큰 문제에 대해서 수렴하지 못하거나 계산 시간이 오래 걸리는 단점이 존재한다. 본 연구에서는 메타 휴리스틱과 규칙 기반 휴리스틱의 한계점 개선을 위한 강화학습 연구를 수행하였다. 하지만 최근 연구되고 있는 강화학습 스케줄링 방법은 대부분 모델 프리 (model free) 환경을 기반으로 하고 있어 학습을 통한 인공신경망의 성과 지표가 기존의 휴리스틱 방법을 극복하지 못하는 경우가 많다. 특히, 다른 에이전트의 영향에 의한 전이 의존성 (transition dependency)을 고려해야 하는 멀티 에이전트 환경에서 모델 프리 강화학습은 한계가 있다. 따라서, 본 연구에서는 모델 기반의 에이전트 간의 영향관계를 파악하여 학습에 도움을 줄 수 있는 모델 기반 강화학습을 수행하였다. 개발된 모델 기반 강화학습을 통해 훈련된 인공 신경망은 FJSP (flexible job shop problem) 문제에 대해 기존의 휴리스틱 방법과 비교하여 우수한 성능을 보임을 확인하였다.

목차

Abstract
1. 서론
2. 문제 정의
3. DEC MDP(Decentralized Markov Decision Process)
4. 전이 의존성을 고려한 모델 기반 강화학습
5. 학습 및 실험
6. 결론
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0