行动演化Petri网：建模和求解动态任务分配问题
摘要：动态任务分配涉及将到达的任务分配给有限数量的资源，以最小化分配的总成本。为了实现最优任务分配，首先需要对分配问题建模。虽然存在着特定的形式化方法，特别是马尔可夫决策过程和（有色）彼得里网，以建模、执行和解决问题的不同方面，但却没有集成建模技术。为了填补这一差距，本文提出了动作演化彼得里网（A-E PN）作为建模和解决动态任务分配问题的框架。A-E PN提供了一种统一的建模技术，可以表示动态任务分配问题的所有要素。此外，A-E PN模型是可执行的，这意味着它们可以在不进行额外建模的情况下用于通过强化学习（RL）学习接近最优的分配策略。为了评估该框架，我们定义了典型分配问题的分类法。我们展示了三种情况下A-E PN可以用于学习接近最优的分配策略。我们的结果表明，A-E PN可以用于建模和解决各种动态任务分配问题。
作者：Riccardo Lo Bianco, Remco Dijkman, Wim Nuijten, Willem van Jaarsveld
论文ID：2306.02910
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-06-12