基于深度强化学习的平行企业资源计划
传统的企业资源计划(Enterprise resource planning,ERP)采用静态化的业务流程设计理念,忽略了人的关键作用,且很少涉及系统性的过程模型,因此难以应对现代企业资源计划的复杂性要求.为实现现代企业资源计划的新范式,本文在ACP(人工社会(Artificial societies)、计算实验(Computational experiments)、平行执行(Parallel execution))方法框架下,以大数据为驱动,融合深度强化学习方法,构建基于平行管理的企业ERP系统.首先基于多Agent构建ERP整体建模框架,然后针对企业ERP的整个流程建立序贯博弈模型,最后运用基于深度强化学习的神经网络寻找最优策略,解决复杂企业ERP所面临的不确定性、多样性和复杂性.
企业资源计划、深度强化学习、ACP理论、平行管理、多Agent建模
43
TP3;F27
国家自然科学基金71702182,71472174,71232006,61533019,61233001,71402178;复杂系统管理与控制国家重点实验室优秀人才基金Y6S9011F4E,Y6S9011F4H资助 Supported by National Natural Science Foundation of China71702182,71472174,71232006,61533019,61233001,71402178;the Early Career Development Award of State Key Laboratory of Management and Control for Complex SystemsY6S9011F4E,Y6S9011F4H
2017-12-01（万方平台首次上网日期，不代表论文的发表时间）
共9页
1588-1596
