传统运筹学的研究方法通常分为两步: 首先建立待求问题的数学模型,包括目标函数和约束条件等; 其次设计 算法求解该模型,如分支定界、禁忌搜索以及遗传算法等。对于大规模复杂系统来说,传统运筹学研究方法存在以 下几个方面的问题:
• 难以建立精确有效的数学模型,或者即使建立了数学模型,也是对实际问题的理想化处理;
• 无法解决较大规模问题,因为随着问题规模的增大会出现“组合爆炸”现象,计算的时间和空间复杂度呈指 数级增长;
• 只能求解静态确定性问题,难以考虑动态及随机因素。
RL 能较好地克服传统运筹学建模方法的缺点:
• 在建模难、建模不准确的问题方面,model-free RL 可以通过 Agent 与环境的不断交互,学习到最优策略;
• 在传统方法难以解决高维度的问题方面,RL 提供了包括值函数近似以及直接策略搜索等近似算法;
• 在难以求解动态与随机型问题方面,RL 可在 Agent 与环境之间的交互以及状态转移过程中加入随机因素。 RL 的这些优点使得其适合求解运筹学领域的大规模动态、随机决策问题,如库存控制、路径优化、装箱配载 以及车间作业调度等问题,为运筹优化的研究提供一个新视角。
• RL 对一些组合问题可以产生较好的初始解。以 alphago 为例,它先用 CNN 减少了搜索空间,再用蒙特卡洛 树搜索进行求解。如果转换到遗传算法上来,就是先给出已经很优良的初代种群,这算是一种上游层面的优 化。如果用原始遗传算法一代代进化,对于大规模问题,则进化过程可能非常漫长。
• RL VS DL:
一般而言,深度学习和 RL 适用于解决的问题常常有不同的性质。RL 可以认为就是组合优化领域的东西,做 不确定环境下的序列决策问题&#x