基于强化学习的客户调度算法及应用
摘要 | 第8-10页 |
ABSTRACT | 第10-11页 |
第一章 绪论 | 第12-18页 |
1.1 研究背景 | 第12-14页 |
1.2 本文主要工作和贡献 | 第14-16页 |
1.3 论文结构 | 第16-17页 |
1.4 本章小结 | 第17-18页 |
第二章 相关工作 | 第18-28页 |
2.1 强化学习 | 第18-24页 |
2.1.1 马尔科夫决策过程 | 第19页 |
2.1.2 强化学习分类 | 第19-24页 |
2.2 流量预测 | 第24-25页 |
2.3 调度算法 | 第25页 |
2.4 客户调度 | 第25-26页 |
2.5 本章小结 | 第26-28页 |
第三章 基于强化学习的客户派单算法 | 第28-46页 |
3.1 客户派单任务 | 第28-29页 |
3.1.1 客户派单算法功能 | 第28页 |
3.1.2 客户派单任务问题定义 | 第28-29页 |
3.2 客户派单算法整体架构 | 第29-32页 |
3.3 客户派单算法基础模型 | 第32-36页 |
3.3.1 数据处理 | 第32-34页 |
3.3.2 模型设计 | 第34-36页 |
3.4 基于强化学习的派单模型设计 | 第36-39页 |
3.4.1 动作 | 第37页 |
3.4.2 状态 | 第37-38页 |
3.4.3 奖励函数 | 第38页 |
3.4.4 终止状态 | 第38-39页 |
3.4.5 探索-开发 | 第39页 |
3.5 实验 | 第39-43页 |
3.5.1 实验设置 | 第39-41页 |
3.5.2 实验结果 | 第41-43页 |
3.6 本章小结 | 第43-46页 |
第四章 基于强化学习的客户分流算法 | 第46-72页 |
4.1 客户分流任务 | 第46-47页 |
4.1.1 客户分流算法功能 | 第46页 |
4.1.2 客户分流任务问题定义 | 第46-47页 |
4.2 当前客户分流模型 | 第47-48页 |
4.3 客户分流算法整体架构 | 第48-50页 |
4.4 用户模型 | 第50-52页 |
4.4.1 数据处理 | 第50-52页 |
4.4.2 模型设计 | 第52页 |
4.5 基于强化学习的客户分流模型 | 第52-58页 |
4.5.1 动作 | 第53页 |
4.5.2 状态 | 第53页 |
4.5.3 奖励函数 | 第53-54页 |
4.5.4 终止状态 | 第54-55页 |
4.5.5 探索-开发 | 第55-56页 |
4.5.6 优先级经验池 | 第56页 |
4.5.7 基于强化学习的客户分流任务流程 | 第56-58页 |
4.6 客户分流任务实验 | 第58-64页 |
4.6.1 实验设置 | 第58-62页 |
4.6.2 客户流量预测 | 第62-64页 |
4.7 实验结果与分析 | 第64-69页 |
4.7.1 实验结果-合成数据 | 第64-65页 |
4.7.2 实验结果-真实数据 | 第65-69页 |
4.8 本章小结 | 第69-72页 |
第五章 总结与展望 | 第72-74页 |
5.1 总结 | 第72-73页 |
5.2 展望 | 第73-74页 |
参考文献 | 第74-80页 |
致谢 | 第80-81页 |
学位论文评阅及答辩情况表 | 第81页 |