UNITesi

Analysis of the benefits in the application of different Deep Reinforcement Learning algorithms for solving scheduling problems in industrial automation areas and compared with baseline algorithms.

Analisi dei vantaggi nell'applicazione di diversi algoritmi di Deep Reinforcement Learning per la risoluzione dei problemi di scheduling in settori dell'automazione industriale e confrontati con gli algoritmi di riferimento.

STUDIO E ANALISI DI ALGORITMI DI DEEP REINFORCEMENT LEARNING PER LA RISOLUZIONE DI PROBLEMI DI SCHEDULING

D'ARCANGELO, LUCA
2020/2021

Abstract

Analysis of the benefits in the application of different Deep Reinforcement Learning algorithms for solving scheduling problems in industrial automation areas and compared with baseline algorithms.
2020
STUDY AND ANALYSIS OF DEEP REINFORCEMENT LEARNING ALGORITHMS FOR SOLVING SCHEDULING PROBLEMS
Analisi dei vantaggi nell'applicazione di diversi algoritmi di Deep Reinforcement Learning per la risoluzione dei problemi di scheduling in settori dell'automazione industriale e confrontati con gli algoritmi di riferimento.
Scheduling
Scheduling dinamico
DRL
Machine Learning
gestione risorse
PARISI, FABIO
Lauree triennali
File in questo prodotto:
File Dimensione Formato  
Tesi Luca D'Arcangelo 571238.pdf

File consultabile da postazioni biblioteca

Descrizione: File pdf della tesi sullo studio e analisi di algoritmi di Deep Reinforcement Learning per la risoluzione di problemi di scheduling.
Dimensione 3.62 MB
Formato Adobe PDF
3.62 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/70362