学习在业务流程中的资源分配策略

Apr, 2023

学习在业务流程中的资源分配策略

Learning policies for resource allocation in business processes

J. Middelhuis, R. Lo Bianco, E. Scherzer, Z. A. Bukhsh, I. J. B. F. Adan...

TL;DR本文针对大型企业流程中的资源分配问题，提出了两种基于深度强化学习和基于分数的价值函数逼近方法，实验结果表明这两种学习方法在多数情况下优于传统启发式算法解决资源分配问题。

Abstract

resource allocation is the assignment of resources to activities that must be executed in a business process at a particular moment at run-time. While resource allocation is well-studied in other fields, such as

resource allocation business process management learning-based methods reinforcement learning value function approximation

发现论文，激发创造

强化学习在空间资源分配中的应用调查

本文总结和回顾了近期利用强化学习解决空间资源分配问题的理论方法和应用研究，提供了其基本原理、相关方法论和应用研究的综合概述，同时突出了未解决问题的一些紧迫性需求。

Mar, 2024

基于两阶段强化学习的多实体任务分配方法

基于相似性的双阶段任务分配算法利用强化学习来学习优化分配策略，有效解决了动态任务分配的挑战，并具有良好的性能和零样本泛化能力。

Jun, 2024

基于人工智能方法在各种计算范式上资源分配问题的最新综述

本研究综述了基于人工智能的各种优化分配方法，涵盖云计算、车辆雾计算、物联网、5G 网络、点对点网络、深度强化学习等各种计算环境，并介绍了基于深度学习的资源分配方法。

Mar, 2022

基于深度强化学习的流处理通用资源分配

本文介绍了一种图嵌入式的编码器 - 解码器框架，以实现在流处理中分配资源任务，同时确保工作负载平衡和通信最小化。采用深度强化学习方法，有效地学习和求解未知图的最优解，并在测试中表现优于 METIS 算法和基于 LSTM 的编码器 - 解码器模型约 70％。

Nov, 2019

一种多任务方法的鲁棒深度强化学习用于资源分配

通过将多任务学习应用于机器学习算法中，结合 Elastic Weight Consolidation 和 Gradient Episodic Memory 的方法，并与增强训练数据分布的现有技术进行比较，本研究证明多任务方法对处理医疗领域等特殊需求的稀有重大事件有很高的效果。

Apr, 2023

市场资源分配问题的直接异质因果学习

本文提出了一种基于因果学习的新方法，通过引入决策因素建立机器学习和运营研究之间的桥梁来解决资源分配问题，并设计了一种定制化损失函数来对决策因素进行直接异质因果学习，从而显著提高了解决方案的精度。

Nov, 2022

基于深度学习的车联网无线资源分配

本文介绍深度学习在车联网中用于资源分配的关键动因和障碍，并回顾了近期在利用深度学习哲学解决无线资源分配问题方面取得的重要成果。通过深度强化学习和优化技术，探究当前设计方法所面临的挑战，并提出未来资源分配研究的一些方向。

Jul, 2019

资产配置：从马尔科维茨到深度强化学习

本研究探讨了在不同市场趋势下，基于现代投资组合理论和深度强化学习的优化技术在资产配置中的效果和可靠性，并提供了代码实现。

Jul, 2022

公平稳定的在线分配的主动学习

我们探索了一种用于动态公平资源分配问题的主动学习方法，该方法假设在在线资源分配过程的每个时期，仅从选择的代理人子集中获取反馈。尽管存在这种限制，我们提出的算法在包括资源分配问题中常用的公平度量和匹配机制中的稳定性考虑等各种度量中，提供了与时间周期数次线性相关的后悔界限。我们算法的关键洞察在于通过利用对决性的上限和下限置信区间来自适应地识别最具信息量的反馈。通过这种策略，我们证明高效的决策不需要大量的反馈，并为各种问题类别产生高效的结果。

Jun, 2024

一种统一的离线 - 在线资源分配的双阶段模型

本文针对在线资源分配问题提出了一个基于非均匀和已知到达分布的参数化线性规划算法，并进行了实验结果测试。

Dec, 2020