机构名称：
¥ 1.0
时空应用，例如出租车命令调度和仓库任务计划，并急剧取决于操作效率的算法。但是，这些应用的固有动力性质在算法设计中提出了挑战。流动性服务的增长有助于收集过时的时空数据，这又促使算法设计人员使用数据驱动的方法。强化学习（RL）以其强大的性能和对空间环境的适用性而认可的，它具有相当大的研究兴趣。尽管具有潜力，但RL算法仍需要将模拟器用于培训和验证目的。然而，没有为时空算法de-smage开发任何特定的类似系统。此空缺阻碍了时空算法设计师的进步。在此演示中，我们构建了一个称为数据驱动的临时模拟器（DSS）的系统，希望为Spa-Totiotemporal算法设计师提供便利。dss擅长处理与出租车订单调度和仓库任务计划有关的问题，并具有为其他用户确定的方案而扩展的多功能性。该系统包括可视化模块，这些模块具有洞察力，以及旨在流式传输开发过程的开发人员工具。这使设计师能够有效地制定，评估和重新确定其算法，从而在时空应用开发中可能加速创新。
数据驱动的时空模拟器用于加固学习方法
主要关键词
相关文件推荐
