Grafové neuronové sítě a hluboké posilované učení při rozvrhování prací
Graph neural networks and deep reinforcement learning in job-shop scheduling
dc.contributor.advisor | Holeňa Martin | |
dc.contributor.author | Yury Hayeu | |
dc.date.accessioned | 2024-06-18T10:40:00Z | |
dc.date.available | 2024-06-18T10:40:00Z | |
dc.date.issued | 2024-06-07 | |
dc.identifier | KOS-1243582220505 | |
dc.identifier.uri | http://hdl.handle.net/10467/114978 | |
dc.description.abstract | Problém dynamického rozvrhování úloh je NP-těžký optimalizační problém s širokou škalou reálných aplikací. Jedním ze způsobů, jak přistoupit k problému dynamického rozvrhování úloh, je použití pravidel prioritního rozvrhování, což jsou jednoduché heuristické funkce pro výpočet priority úlohy. Je známo, že pravidla prioritního rozvrhování se v některých, ale ne ve všech aplikacích chovají dobře a jejich výkon se v dynamickém prostředí s časem zhoršuje. Nejnovejší metody přístupují k problému tak, že se učí adaptivně vybírat nej\-lepší pravidlo. Některé z nich jsou založené na posilovaném učení a grafových neuronových sítích. Tato práce studuje výkon těchto metod v dynamickém prostředí s poruchami strojů s cílem minimalizovat zpoždění provedení práce. | cze |
dc.description.abstract | Dynamic Job Shop Scheduling Problem is an NP-hard optimization problem with a wide range of real-world applications. One of the ways to approach the problem is to use priority dispatch rules, which are simple heuristic functions to compute job priority. Priority dispatch rules are known to behave well in some but not all applications and their performance deteriorates over time in the dynamic environment. Recent methods mitigate the issue by learning how to adaptively select the optimal rule. Some of them are based on Reinforcement Learning and Graph Neural Networks. The thesis studies the performance of these methods in a dynamic environment with machine breakdowns with the objective of tardiness minimization. | eng |
dc.publisher | České vysoké učení technické v Praze. Vypočetní a informační centrum. | cze |
dc.publisher | Czech Technical University in Prague. Computing and Information Centre. | eng |
dc.rights | A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html | eng |
dc.rights | Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html | cze |
dc.subject | Dynamický Rozvrhovací Problém | cze |
dc.subject | Hluboké Posilované Učení | cze |
dc.subject | Grafové Neuronové Sítě | cze |
dc.subject | Porucha Strojů | cze |
dc.subject | Minimalizace Zpoždění | cze |
dc.subject | Dynamic Job Shop Scheduling Problem | eng |
dc.subject | Deep Reinforcement Learning | eng |
dc.subject | Graph Neural Networks | eng |
dc.subject | Machine Breakdown | eng |
dc.subject | Tardiness Minimization | eng |
dc.title | Grafové neuronové sítě a hluboké posilované učení při rozvrhování prací | cze |
dc.title | Graph neural networks and deep reinforcement learning in job-shop scheduling | eng |
dc.type | diplomová práce | cze |
dc.type | master thesis | eng |
dc.date.accepted | 2024-06-12 | |
dc.contributor.referee | Herel David | |
theses.degree.discipline | Znalostní inženýrství | cze |
theses.degree.grantor | katedra aplikované matematiky | cze |
theses.degree.programme | Informatika | cze |
Soubory tohoto záznamu
Tento záznam se objevuje v následujících kolekcích
-
Diplomové práce - 18105 [194]