首页--经济论文--经济计划与管理论文--企业经济论文--企业供销管理论文

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

论文共81页,点击 下载论文
上一篇:基于机器学习的触觉手势识别及身份认证研究
下一篇:少儿线下阅读推广活动的影响因素研究