我有一个优化问题,我正在考虑使用机器学习方法来解决它。
目标是在飞机上找到最佳的行李箱负荷。行李箱具有尺寸,重量和一些其他属性,限制了它的放置位置。 有一些严格的规定(例如,某些行李需要放在行李箱前面,有些不能放在另一个附近,重型放在底部等等)并且最后必须满足一些条件 - 重量应均匀分布,所有行李都需要放在里面。
还有一些无证(“常识”)规则由负责装载行李的人员应用。 这些可以基于可用的示例得出。
我正在考虑基于这些例子训练神经网络。 我查看了http://neuroph.sourceforge.net/sample_projects.html,但找不到可以为我的域修改的示例。 此外,我不确定这是否是此问题类别的正确方法。
这是一个简化的例子。 假设一件行李由3个属性描述:
示例数据:
| action_id | count(*)
| 3 | 6
| 7 | 1
行李箱部门有6个插槽(S1-S6,S1-前部,S6-后部)。 示例规则:
其中一个正确的输出是:
B1 (20kg, soft, normal)
B2 (20kg, hard, normal)
B3 (40kg, hard, normal)
B4 (50kg, hard, normal)
B5 (20kg, soft, special)
以NN所需的标准化形式表示输出是棘手的。 我想知道NN是否是解决这个问题的好方法。 也许应该使用其他一些(例如强化学习)
可以使用哪种机器学习方法来找到最佳行李箱装载量?