Kann Deep Learning für den allgemeinen Pfadfindungsfind verwendet werden? ⇐ Python

[Anonymous]

Vor ein paar Wochen wurde ich in das Problem der reisenden Verkäuferin (TSP) eingeführt:
Ich habe gelesen, wie dieses Problem für viele reale Weltszenarien wie das Bohren von Löchern in PCBs, in Logistik, in Logistik gilt Die Lieferung von Paketen an verschiedene Häuser, ...
Ich wollte ein Python -Programm erstellen, das das Problem löst und die "Städte zu besuchen" in der Reihenfolge ausdruckt. < BR /> Ich habe auch Artikel gelesen, die darüber sprechen, wie tiefes Lernen (insbesondere tief-Q-Learning) verwendet werden kann, um die Probleme mit dem Pfad zu finden Neuronale Netzwerke (für tiefes Q-Lernen). Regale) berechnet es den optimalen Weg, um sie zu erreichen. Ich habe darüber nachgedacht, wie ich es implementieren kann, wenn mich diese Frage auftrat: Wird Deep Learning wirklich für den Pfadfind im Allgemeinen verwendet? /Code> Es gibt Löcher, die Sie vermeiden müssen, einen begehbaren Weg und eine Belohnung, die Sie erreichen müssen. Das neuronale Netzwerk wird für viele Episoden auf dieser spezifischen Karte geschult, bis es aus seinen früheren Erfahrungen erfährt, welche Aktionen an bestimmten Stellen (Zustände) (Zustände). Wenn sich das nächste Mal die Produkte, die der Lagerarbeiter auf den Gabelstapler laden muss . Wäre es nicht besser, nur einen Algorithmus für nicht machine-lernende Algorithmus zu verwenden, um das Problem zu lösen?
Ich habe auch an andere Probleme in Bezug Beispiel: "Wenn sich die Anzahl der Produkte ändert, wie kann ich die Anzahl der Neuronen in der Eingangsschicht des neuronalen Netzwerks ändern?" Oder: "Wenn ein Produkt auf den Gabelstapler geladen wird, muss es aus der Liste der Produkte entfernt werden, um sie zu erreichen, und da die Koordinaten der Produkte Teil des Umweltzustands sind, wird das neuronale Netzwerk 2 zusätzliche Neuronen haben."