Алгоритм глибокого навчання для оптимізації результатів

Я зовсім новачок у глибокому навчанні, але думаю, що знайшов правильну ситуацію в реальному світі, щоб почати її використовувати. Проблема в тому, що я використовував лише такі алгоритми для прогнозування результатів. Для мого нового проекту мені потрібна інформація для подачі машини для оптимізації результатів. Може хтось коротко пояснить, як мені діяти? Я застряг.

Ось така ситуація:

У мене є машина, яка бере дошки з дерева з різними сортами деревини, доступними по всій довжині, і має розрізати її на блоки, наведені в списку розрізів. Ця машина завжди обиратиме найвищий бал, який можна отримати за задану дошку. Оцінка виходить шляхом множення кожного блоку площа його мультиплікатора . Алгоритм, який я хочу створити, повинен надати цій машині множник для кожного блоку, вказаного у списку скорочень. Весь фізичний вихід з цієї машини буде зберігатися роботами на полицях, поки це не потрібно. Різальній машині дозволяється знижувати частини дошки, якщо це допомагає досягти більш високих показників.

Цінність повинна слугувати стимулом для машини, щоб дати мені той блок, який мені найбільше потрібен, не знижуючи занадто багато деревини.

ЦІЛІ ОПТИМІЗАЦІЇ

• Переконайтеся, що кожен блок є в наявності на той час, коли це потрібно, але не занадто рано без причин
• Зменшіть якомога менше деревної площі (деякі види дуже дорогі)

ВХОДНІ КЛІТИ

• Кількість часу до необхідності цього блоку
• Сорт деревини для цього блоку
• Необхідна кількість цього блоку
• Площа блоку (можливо?)

ЗВОРОТНІ ЗВ'ЯЗКИ, НАДАННІ ДО АЛГОРИТМУ

• Кількість заздалегідь, коли блок був готовий (повинен бути якомога меншим)
• Площа деревини знижена * кількість сортів пропущена

ОЧАКОВАНІ ВІДПОВІДНІ ДАНІ

• Мультиплікатор , який дасть цей блок оптимальний його пріоритет по відношенню до інших

ІНФОРМАЦІЯ Я НЕ МАЮ БУТИ ЗБІРНО

• Середнє співвідношення кожного сорту для кожного виду деревини

Що я вже з'ясував, це те, що мені може знадобитися, щоб мій відгук був розбитий лише в одному значенні, щоб зробити його вихідним вузлом. Проблема полягає в тому, що я не можу зрозуміти, як зробити цей алгоритм для визначення множника . Я помиляюся, намагаючись вирішити це шляхом глибокого навчання?

Моделі глибокого навчання для регресійних завдань досить складно підготувати, тому я б запропонував не починати з них. Натомість я б почав з одного з підходів нижче, і, можливо, спробую потім використовувати глибоке навчання.

Класичним підходом до проблеми може бути аналіз програмного забезпечення для оптимізації, і це, ймовірно, призведе до певного детермінованого алгоритму.

Різні підходи можуть ставитися до вашого програмного забезпечення для оптимізації як до чорного поля - надайте йому широкий спектр входів, запишіть змінні, які вас цікавлять (час виконання, результати вирізання тощо) та спробуйте встановити на ньому якийсь тип або регресор. .

Один із варіантів - слідувати ідеї Куроша та сформулювати її як класичну проблему оптимізації.

Якщо ви віддаєте перевагу використанню інструментів машинного навчання, ніж я б пропонував вам почати з такої простої моделі, як лінійна регресія, просто для того, щоб перевірити, чи є сигнал у даних, які ви можете використовувати. Згодом ви можете переглянути більш потужні алгоритми, такі як xgboost, дерева регресії тощо.