BriefGPT - AI 论文速递
·
可微分的离散事件模拟用于排队网络控制
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种机器学习方法解决多类流体排队网络的最优控制问题，并提供了明确和深入的控制策略。实验结果显示该方法在测试集上达到100％的准确率。
🎯
关键要点
- 提出了一种机器学习方法解决多类流体排队网络的最优控制问题。
- 提供了明确和深入的控制策略。
- 证明了MFQNET控制问题存在一种阈值类型的最优策略。
- 阈值曲线是通过原点的超平面。
- 使用具有超平面分割的最优分类树（OCT-H）学习MFQNETs的最优控制策略。
- 使用MFQNET控制问题的数值解作为训练集。
- 实验结果显示在高达33个服务器和99个类别的实验中，测试集上达到100％的准确率。
- OCT-H的离线训练可能需要几天时间，但在线应用只需毫秒级的时间。
➡️
