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

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
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
Hyperheuristic Method Based on Deep Reinforcement Learning
基于深度强化学习的超启发式方法
Genetic algorithm for scheduling of parcel delivery by drones
{{ 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
Reinforcement Learning with Deep Learning
深度学习强化学习
  • 批准号:
    1928590
  • 财政年份:
    2017
  • 资助金额:
    $ 2.83万
  • 项目类别:
    Studentship
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
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了