Новости из мира науки, технологий и авто
Источник фото: pixabay.com Результаты экспериментов ученых в области приятия решений и глубокого машинного обучения предложили два метода для решения проблемы планирования поездок однопутных поездов: Deep Q-Learning и Q-Learning.
Ежедневно железные дороги испытывают некоторые неудобства, как со стороны сети, так и со стороны железнодорожного парка, которые влияют на стабильность движения поездов. Когда происходит сбой, задержки распространяются по сети, что приводит к несоответствию спроса и, в конечном итоге, к потере спроса.
Когда возникает критическая ситуация, диспетчеры (люди), распределенные по линии, обязаны сделать все возможное, чтобы минимизировать воздействие сбоев на транспортную сеть.
К сожалению, люди операторы имеют ограниченную глубину восприятия того, как события, происходящие в удаленных областях сети, могут повлиять на их зону контроля. В последние годы наука о принятии решений сосредоточилась на разработке методов автоматического решения проблемы, чтобы упростить работу операторов.
Ученые рассмотрели методы управления, основанные на машинном обучении, и исследовали их применительно к решению проблемы диспетчеризации поездов. В частности, предлагаются два разных метода Deep Q-Learning. Численные результаты показывают превосходство этих методов по сравнению с классическим линейным Q-Learning, основанным на матрицах.
