Combinatorial Optimizer Based on Deep Reinforcement Learning
基于深度强化学习的组合优化器
基本信息
- 批准号:20K11988
- 负责人:
- 金额:$ 2.83万
- 依托单位:
- 依托单位国家:日本
- 项目类别:Grant-in-Aid for Scientific Research (C)
- 财政年份:2020
- 资助国家:日本
- 起止时间:2020-04-01 至 2023-03-31
- 项目状态:已结题
- 来源:
- 关键词:
项目摘要
项目成果
期刊论文数量(9)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Generative Adversarial Network for Generating Different Types of Data
用于生成不同类型数据的生成对抗网络
- DOI:10.1541/ieejeiss.142.781
- 发表时间:2022
- 期刊:
- 影响因子:0
- 作者:Murota Shingo;Iima Hitoshi
- 通讯作者:Iima Hitoshi
Genetic Algorithm with Machine Learning to Estimate the Optimal Objective Function Values of Subproblems
- DOI:10.1145/3533050.3533051
- 发表时间:2022-04
- 期刊:
- 影响因子:0
- 作者:H. Iima;Yohei Hazama
- 通讯作者:H. Iima;Yohei Hazama
Monte Carlo Tree Search Method for Solving the Knapsack Problem
解决背包问题的蒙特卡罗树搜索方法
- DOI:10.1541/ieejeiss.140.1141
- 发表时间:2020
- 期刊:
- 影响因子:0
- 作者:飯間 等;兵野拓海
- 通讯作者:兵野拓海
Hyperheuristic Method Based on Deep Reinforcement Learning
基于深度强化学习的超启发式方法
- DOI:10.1109/iiaiaai55812.2022.00068
- 发表时间:2022
- 期刊:
- 影响因子:0
- 作者:Iima Hitoshi;Nakamura Yoshiyuki
- 通讯作者:Nakamura Yoshiyuki
Genetic algorithm for scheduling of parcel delivery by drones
- DOI:10.1299/jamdsm.2021jamdsm0069
- 发表时间:2021
- 期刊:
- 影响因子:0
- 作者:Yohei Hazama;H. Iima;Y. Karuno;Kosuke Mishima
- 通讯作者:Yohei Hazama;H. Iima;Y. Karuno;Kosuke Mishima
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
IIMA Hitoshi其他文献
IIMA Hitoshi的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
{{ truncateString('IIMA Hitoshi', 18)}}的其他基金
Swarm Reinforcement Learning Methods Based on PSO for Complicated Learning Problems
基于PSO的群体强化学习方法解决复杂学习问题
- 批准号:
22500131 - 财政年份:2010
- 资助金额:
$ 2.83万 - 项目类别:
Grant-in-Aid for Scientific Research (C)
相似海外基金
Towards Fully Integrated Deep Learning and Reinforcement Learning for General Spatial Domains.
迈向通用空间领域的完全集成深度学习和强化学习。
- 批准号:
RGPIN-2018-04381 - 财政年份:2022
- 资助金额:
$ 2.83万 - 项目类别:
Discovery Grants Program - Individual
Towards Fully Integrated Deep Learning and Reinforcement Learning for General Spatial Domains.
迈向通用空间领域的完全集成深度学习和强化学习。
- 批准号:
RGPIN-2018-04381 - 财政年份:2021
- 资助金额:
$ 2.83万 - 项目类别:
Discovery Grants Program - Individual
Towards Fully Integrated Deep Learning and Reinforcement Learning for General Spatial Domains.
迈向通用空间领域的完全集成深度学习和强化学习。
- 批准号:
RGPIN-2018-04381 - 财政年份:2020
- 资助金额:
$ 2.83万 - 项目类别:
Discovery Grants Program - Individual
Towards Fully Integrated Deep Learning and Reinforcement Learning for General Spatial Domains.
迈向通用空间领域的完全集成深度学习和强化学习。
- 批准号:
RGPIN-2018-04381 - 财政年份:2019
- 资助金额:
$ 2.83万 - 项目类别:
Discovery Grants Program - Individual
Towards Fully Integrated Deep Learning and Reinforcement Learning for General Spatial Domains.
迈向通用空间领域的完全集成深度学习和强化学习。
- 批准号:
DGECR-2018-00341 - 财政年份:2018
- 资助金额:
$ 2.83万 - 项目类别:
Discovery Launch Supplement
Reinforcement Learning Using Deep Learning in Continuous Space Games
在连续太空游戏中使用深度学习的强化学习
- 批准号:
18K11600 - 财政年份:2018
- 资助金额:
$ 2.83万 - 项目类别:
Grant-in-Aid for Scientific Research (C)
Towards Fully Integrated Deep Learning and Reinforcement Learning for General Spatial Domains.
迈向通用空间领域的完全集成深度学习和强化学习。
- 批准号:
RGPIN-2018-04381 - 财政年份:2018
- 资助金额:
$ 2.83万 - 项目类别:
Discovery Grants Program - Individual
Computer vision and deep learning: Bayesian Reinforcement Learning
计算机视觉和深度学习:贝叶斯强化学习
- 批准号:
512242-2017 - 财政年份:2017
- 资助金额:
$ 2.83万 - 项目类别:
Engage Grants Program
RI: Small: Combining Reinforcement Learning and Deep Learning Methods to Address High-Dimensional Perception, Partial Observability and Delayed Reward
RI:小:结合强化学习和深度学习方法来解决高维感知、部分可观察性和延迟奖励问题
- 批准号:
1526059 - 财政年份:2015
- 资助金额:
$ 2.83万 - 项目类别:
Standard Grant