ScheduleNet: learning to solve multi-worker scheduling problems using Graph Neural Networks and Reinforcement Learning. = ScheduleNet:심층 그래프 신경망과 강화학습을 활용한 스케줄링 문제 풀이

• 서명 / 저자: ScheduleNet: learning to solve multi-worker scheduling problems using Graph Neural Networks and Reinforcement Learning. = ScheduleNet:심층 그래프 신경망과 강화학습을 활용한 스케줄링 문제 풀이 / Sanzhar Bakhtiyarov.
• 발행사항: [대전 : 한국과학기술원, 2020].

In this paper, we present a general framework for learning deep, parameterized scheduling policies in a online, end-to-end fashion, using Graph Neural Networks and Reinforcement Learning. Specifically, we introduce a novel heteregeneous worker-task graph representation that is suitable for solving both single and multi-worker scheduling problems. We empirically show effectiveness of our approach by solving MinMax Multiple Travelling Salesman Problem, achieving comparable performance to leading metaheuristic algorithm Google OR-Tools on real-world mTSP instances.

본 연구는 그래프 신경망과 강화학습을 활용해 스케쥴링 문제의 정책을 스케쥴링 정책을 학습하는 일반적인 방법론을 제안한다. 제안된 방법론은 하나 및 다중의 작업자가 존재하는 스케쥴링 문제를 이종 “작업자-작업물” 그래프로 표현한다. 제안된 방법론은 MinMax 다중 외판원 문제에서, 일반적으로 좋은 성능을 나타내는 meta heuristic 기법인 Google OR-Tool과 비등한 성능을 기록하였다.

• 형태사항: iii, 18 p. : 삽화 ; 30 cm
• 언어: 영어
• 일반주기: 저자명의 한글표기 : ; 지도교수의 영문표기 : Jinkyoo Park ; 지도교수의 한글표기 : 박진규
• 학위논문: 학위논문(석사) - 한국과학기술원 : 산업및시스템공학과,
• 서지주기: References : p. 16-17