This paper presents a computational

This paper presents a computational model
capable of improving the action policies for a well-defined
domain. Each action policy is represented as a driving plan P,
which is composed of a number of actions {a1, ... an}. These
actions can be used to move a train in a stretch of railroad Sti.
The plans are elaborated using a CBR approach and reusing
previous solutions and learning from plans. The CBR cycle is
divided in three agents that act collaboratively to build or run P,
namely: Planner, Executor, and Memory. The Planner agent
generates P. Executor agent is responsible for revise and apply
the actions of P. During the execution, P may undergo several
adjustments depending on multiple circumstances, such as
environmental conditions. The modified plan P’ returns to its
origin end to integrate the local case base, managed by the
Memory agent. This approach was evaluated on the following
criteria: (i) fuel consumption, (ii) accuracy of case retrieval, and
(iii) efficiency of adaptation task and application of adapted
cases in real-world scenarios. The inclusion of new experiences
reduced efforts Planner and Executor in their tasks, and a
reduction in fuel consumption. In addition, the model shows that
the increase in diversity in the case base increases the reuse of
experiences in objectives-scenarios.

ผลลัพธ์ (ไทย) 1:

เอกสารนี้แสดงแบบจำลองการคำนวณความสามารถในการปรับปรุงนโยบายการดำเนินการกำหนดไว้เป็นอย่างดีโดเมน แสดงนโยบายการดำเนินการแต่ละแผนขับ Pซึ่งประกอบด้วยจำนวนของการกระทำ { a1,...การ} เหล่านี้สามารถใช้การดำเนินการย้ายรถไฟในการยืดของรถไฟ Stiแผนมีวิธี CBR ใช้ elaborated และนำมาใช้ใหม่โซลูชั่นก่อนหน้านี้และเรียนรู้จากแผน เป็นรอบ CBRแบ่งออกเป็นสามตัวแทนที่ทำหน้าที่ร่วมกันเพื่อสร้าง หรือเรียกใช้ Pได้แก่: วางแผน ดำเนิน และหน่วยความจำ ตัวแทนการวางแผนสร้างดำเนิน P. ตัวแทนรับผิดชอบการปรับปรุง และนำไปใช้การดำเนินการของพี ในระหว่างการดำเนินการ P อาจรับหลายปรับปรุงที่ขึ้นอยู่กับสถานการณ์หลาย เช่นสภาพแวดล้อม แผนปรับเปลี่ยน P' กลับไปจุดเริ่มต้นของการสิ้นสุดการรวมฐานกรณีท้องถิ่น บริหารงานโดยการตัวแทนหน่วยความจำ วิธีการนี้ถูกประเมินต่อไปนี้เงื่อนไข: ปริมาณการใช้เชื้อเพลิง (i) (ii) ความถูกต้องของกรณีเรียก และ(iii) ประสิทธิภาพของงานปรับและประยุกต์ดัดแปลงกรณีในสถานการณ์จริง รวมประสบการณ์ใหม่ลดความพยายามวางแผนและดำเนินงานของพวกเขา และลดปริมาณการใช้น้ำมันเชื้อเพลิง นอกจากนี้ รูปแบบการแสดงที่เพิ่มความหลากหลายในฐานกรณีเพิ่มนำของประสบการณ์ในสถานการณ์วัตถุประสงค์

ผลลัพธ์ (ไทย) 2:

บทความนี้นำเสนอรูปแบบการคำนวณที่มีความสามารถในการปรับปรุงนโยบายการดำเนินการสำหรับการที่ดีที่กำหนดโดเมน แต่ละนโยบายการดำเนินการจะแสดงเป็นแผนขับรถ P, ซึ่งประกอบด้วยจำนวนของการกระทำ {a1 ... } เหล่านี้การกระทำที่สามารถใช้ในการเคลื่อนย้ายรถไฟยืดของทางรถไฟที่ Sti. มีแผนจะอธิบายโดยใช้วิธีการ CBR และนำการแก้ปัญหาก่อนหน้านี้และการเรียนรู้จากแผน วงจร CBR ถูกแบ่งออกเป็นสามตัวแทนที่ทำหน้าที่ร่วมกันในการสร้างหรือเรียกใช้P, คือ: วางแผนปฏิบัติการและหน่วยความจำ ตัวแทนแผนสร้างพีตัวแทนผู้ปฏิบัติการมีหน้าที่ในการแก้ไขและใช้การกระทำของพีในระหว่างการดำเนินการP อาจได้รับหลายการปรับเปลี่ยนขึ้นอยู่กับสถานการณ์หลายอย่างเช่นสภาพแวดล้อม แผนปรับเปลี่ยน P 'กลับไปที่ปลายต้นกำเนิดเพื่อบูรณาการฐานกรณีท้องถิ่นจัดการโดยตัวแทนหน่วยความจำ วิธีการนี้จะได้รับการประเมินต่อไปตามเกณฑ์ (i) การบริโภคน้ำมันเชื้อเพลิง (ii) ความถูกต้องของการดึงกรณีและ (iii) ประสิทธิภาพของงานการปรับตัวและการประยุกต์ดัดแปลงกรณีในสถานการณ์โลกแห่งความจริง รวมของประสบการณ์ใหม่ความพยายามที่ลดลงและการวางแผนการปฏิบัติการในงานของพวกเขาและการลดลงของการบริโภคน้ำมันเชื้อเพลิง นอกจากนี้รูปแบบการแสดงให้เห็นว่าการเพิ่มขึ้นของความหลากหลายในกรณีฐานที่เพิ่มขึ้นนำมาใช้ใหม่ของประสบการณ์ในการวัตถุประสงค์สถานการณ์

ผลลัพธ์ (ไทย) 3:

บทความนี้นำเสนอแบบจำลองคอมพิวเตอร์
สามารถปรับปรุงการดําเนินนโยบายสำหรับโดเมนต่อ

แต่ละการกระทำมีนโยบายที่แสดงเป็นวางแผนขับรถ p ,
ซึ่งประกอบด้วยหมายเลขของการกระทำ { A1 . . . . . . . เป็น } การกระทำเหล่านี้
สามารถใช้เพื่อย้ายรถไฟในการยืดของ STI ทางรถไฟ .
แผนได้รับ elaborated ใช้ CBR แนวทางและการนำโซลูชั่น
ก่อนหน้านี้และเรียนรู้จากแผนการวงจร CBR เป็น
แบ่งออกเป็นสามตัวแทนที่กระทำร่วมกันเพื่อสร้างหรือเรียกใช้ p ,
1 : วางแผน , ผู้ปฏิบัติการ , และหน่วยความจำ เจ้าหน้าที่วางแผน
สร้างหน้าผู้ปฏิบัติการเจ้าหน้าที่รับผิดชอบในการแก้ไขและใช้
การกระทําของหน้าในช่วงปฏิบัติการ P อาจมีการปรับหลาย
ขึ้นอยู่กับสถานการณ์หลาย เช่น
เงื่อนไขด้านสิ่งแวดล้อม การปรับเปลี่ยนแผนผลตอบแทนของ
P 'กำเนิดสิ้นสุดรวมฐานคดีท้องถิ่น , การจัดการโดย
หน่วยความจำแทน วิธีการนี้ถูกประเมินในเกณฑ์ต่อไปนี้
: ( i ) การใช้เชื้อเพลิง ( 2 ) ความถูกต้องของดึงกรณีและ
( 3 ) ประสิทธิภาพของงาน การปรับตัวและการดัดแปลง
กรณีในสถานการณ์ที่เป็นจริง รวมประสบการณ์ใหม่
ลดความพยายามวางแผนและผู้ปฏิบัติการในงานของพวกเขาและ
ลดการสิ้นเปลืองเชื้อเพลิง นอกจากนี้ แบบจำลองแสดงให้เห็นว่า
เพิ่มความหลากหลายในกรณีฐานเพิ่มใช้
ประสบการณ์การศึกษาสถานการณ์