基于SVM与强化学习的启发式算法

摘要：

RSS(Random Sampling Scheme)随机抽样方案,是一种简单有效、基于优先级规则来求解著名的NP难问题(NP-hard)中的 RCPSP 问题(Resource Constrained Project Scheduling Problem,资源受限项目调度问题)的方法.基于此,本文提出了一种通用的机器学习方法来改进RSS,将强化学习的ROUT算法(ROUT-algorithm)与SVM(Support Vector Machine,支持向量机)方法相结合,得到一个更理想的值函数,以此来指导RSS给出更佳的搜索策略.由RCPSP的基准实例可以看到,将SVM与强化学习结合,算法结果的好坏在减少训练集数量之后不受影响,且可以在短时间的训练之后得到较为明显的改进,证明该方法有效、实用.

关键词：RSS、RCPSP、NP-hard、强化学习、SVM

所属期刊栏目：38

分类号：O221.5;O223(运筹学)

在线出版日期：2021-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：10-14