Grafové neuronové sítě a hluboké posilované učení při rozvrhování prací
| advisor: | Martin Holeňa |
| e-mail: | show e-mail |
| type: | |
| branch of study: | MI_MM, MI_AMSM, MINF, APIN |
| description: | Obecnou úlohou organizace práce je přiřazení jednotlivých pracovních úkonů většího množství pracovních činností dostupným zdrojům, tj. pracovníkům či strojům, takovým způsobem, aby bylo dodrženo přípustné pořadí úkonů při každé z činností, kapacita každého zdroje i specializace pracovníků a strojů na pouze některé typy pracovních úkonů. Rozvržení prací, které je optimální z hlediska doby dokončení všech plánovaných činností nebo z hlediska celkových nákladů na jejich provedení, představuje složitou úlohu kombinatorické optimalizace s omezeními. Tato úloha se původně řešívala pomocí heuristických rozhodovacích pravidel specifických pro každý problém a hledaných metodou pokusů a omylů, posledních několik desetiletí se pro ni používají různé typy evolučních optimalizačních algoritmů. Ani ty se ale nedokážou zcela vypořádat se složitými omezeními, která vyplývají z přípustného pořadí úkonů, specializace pracovníků a strojů a jejich kapacity. Tato omezení lze poměrně přirozeným způsobem reprezentovat pomocí grafů, což v posledních letech vedlo k návrhům použít k rozvrhování prací grafové neuronové sítě naučené pomocí hlubokého posilovaného učení. Někdy se v nich navíc používá koncept pozornosti, který se velmi dobře osvědčil v neuronových sítích typu transformer. Tento přístup k rozvrhování prací je ale teprve v počátečním stadiu a přináší řadu témat i pro začínající výzkum. Některým z nich by se měla zabývat navrhovaná diplomová práce. |
| references: | viz https://www.cs.cas.cz/~martin/diplomka68.html |
| last update: | 20.11.2023 12:16:12 |
administrator for this page:
Ľubomíra Dvořáková | last update: 09/12/2011