Многие реальные задачи планирования — от маршрутов доставки посылок и производственных графиков на фабриках до списков дежурных в больницах — требуют решений, удовлетворяющих многочисленным эксплуатационным ограничениям. Исследователи KAIST под руководством профессора Мин-Су Кима из Школы вычислительной техники разработали RL-SPH (Reinforcement Learning-based Start Primal Heuristic) — методику обучения с подкреплением, которая позволяет ИИ самостоятельно разрабатывать выполнимые планы, не полагаясь на внешнее решение.
Новости от techxplore
