دانلود مقاله ISI انگلیسی شماره 95323
ترجمه فارسی عنوان مقاله

مقایسه جستجو درخت مونت کارلو و بهینه سازی افق نورد برای مسائل تخصیص منابع پویا در مقیاس بزرگ

عنوان انگلیسی
A comparison of Monte Carlo tree search and rolling horizon optimization for large-scale dynamic resource allocation problems
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
95323 2017 15 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 13437 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 18 تومان 21 روز بعد از پرداخت 241,866 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 11 روز بعد از پرداخت 483,732 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

سفارش تولید محتوا کد تخفیف 10 درصدی: isiArticles
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : European Journal of Operational Research, Volume 263, Issue 2, 1 December 2017, Pages 664-678

ترجمه کلمات کلیدی
تخصیص منابع پویا، جستجو درخت مونت کارلو، بهینه سازی افق نورد، مدیریت آتش سوزی، کنترل صفر،
کلمات کلیدی انگلیسی
Dynamic resource allocation; Monte Carlo tree search; Rolling horizon optimization; Wildfire management; Queueing control;
پیش نمایش مقاله
پیش نمایش مقاله مقایسه جستجو درخت مونت کارلو و بهینه سازی افق نورد برای مسائل تخصیص منابع پویا در مقیاس بزرگ

چکیده انگلیسی

Dynamic resource allocation (DRA) problems constitute an important class of dynamic stochastic optimization problems that arise in many real-world applications. DRA problems are notoriously difficult to solve since they combine stochastic dynamics with intractably large state and action spaces. Although the artificial intelligence and operations research communities have independently proposed two successful frameworks for solving such problems—Monte Carlo tree search (MCTS) and rolling horizon optimization (RHO), respectively—the relative merits of these two approaches are not well understood. In this paper, we adapt MCTS and RHO to two problems – a problem inspired by tactical wildfire management and a classical problem involving the control of queueing networks – and undertake an extensive computational study comparing the two methods on large scale instances of both problems in terms of both the state and the action spaces. Both methods are able to greatly improve on a baseline, problem-specific heuristic. On smaller instances, the MCTS and RHO approaches perform comparably, but RHO outperforms MCTS as the size of the problem increases for a fixed computational budget.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 13437 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 18 تومان 21 روز بعد از پرداخت 241,866 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 11 روز بعد از پرداخت 483,732 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.