A proactive decision support method based on deep reinforcement learning and state partition

داده های بزرگ جریان یک نوع مهم از داده های بزرگ است که ما نیاز به تکنولوژی جدید برای پردازش. دریافت اطلاعات از داده های جریان آنلاین و تصمیم گیری آنلاین می تواند به ما کمک کند ارزش بیشتری از اطلاعات بزرگ به دست آوریم. یک سیستم پشتیبانی پیشگیرانه پیشگیرانه می تواند دولت های آینده را پیش بینی کند و دولت های ناخواسته آینده را با اقدامات پیشگیرانه ای اقدام کند. اما مشکلاتی مانند تغییر دادن توزیع داده ها در داده های جریان داده، ترکیب پیش بینی و تصمیم گیری و فضای حالت بزرگ در تصمیم گیری وجود دارد. در این مقاله، ما پیشنهاد روش پیشگیری فعالانه مبتنی بر یادگیری تقویت عمیق و پارتیشن بندی دولت را پیشنهاد می کنیم. بخش تجزیه و تحلیل پیش بینی استفاده از شبکه های اعتقاد عمیق با روش دو مرحله آموزش افزایشی است. بخش یادگیری تقویت عمیق از شبکه های اعتقاد عمیق به عنوان تقریب تابع استفاده می کند که با روش نیمه شیب شناسی یاد می شود. خارج از سیاست از طریق نمونه گیری مهم پشتیبانی می شود. دو نوع پارتیشن بندی دولت و روش های اجرای موازی برای بهبود عملکرد ارائه شده است. ارزیابی تجربی در نرم افزار کنترل تراکم ترافیک نشان می دهد که این روش در هر دو جهت دقت و کارایی خوب عمل می کند.