MACHINE-LEARNING AND COMBINATORIAL OPTIMIZATION FRAMEWORK FOR MANAGING TASKS OF A DYNAMIC SYSTEM WITH LIMITED RESOURCES

Techniques are described for managing tasks of a dynamic system with limited resources using a machine-learning and combinatorial optimization framework. In one embodiment, a computer-implemented method is provided that comprises employing, by a system operatively coupled to a processor, one or more...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	DAY, Andrew, RAI, Savanoor Pradeep, THOMAS, Bex George
Format:	Patent
Sprache:	eng ; fre
Schlagworte:	CALCULATING COMPUTING COUNTING DATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FORADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORYOR FORECASTING PURPOSES PHYSICS SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE,COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTINGPURPOSES, NOT OTHERWISE PROVIDED FOR
Online-Zugang:	Volltext bestellen
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	Techniques are described for managing tasks of a dynamic system with limited resources using a machine-learning and combinatorial optimization framework. In one embodiment, a computer-implemented method is provided that comprises employing, by a system operatively coupled to a processor, one or more first machine learning models to determine a total demand for tasks of a dynamic system within a defined time frame based on state information regarding a current state of the dynamic system, wherein the state information comprises task information regarding currently pending tasks of the tasks. The method further comprises, employing, by the system, one or more second machine learning models to determine turnaround times for completing the tasks based on the state information, and determining, by the system, a prioritization order for performing the currently pending tasks based on the total demand and the turnaround times. L'invention concerne des techniques pour gérer les tâches d'un système dynamique à ressources limitées à l'aide d'une infrastructure d'apprentissage automatique et d'optimisation combinatoire. Dans un mode de réalisation, l'invention porte sur un procédé implémenté par ordinateur qui comprend l'utilisation, par un système couplé fonctionnellement à un processeur, d'un ou de plusieurs premiers modèles d'apprentissage automatique pour déterminer une demande totale pour des tâches d'un système dynamique dans une fenêtre temporelle définie sur la base d'informations d'état concernant un état actuel du système dynamique, les informations d'état comprenant des informations de tâche concernant des tâches actuellement en cours parmi les tâches. Le procédé comprend en outre l'utilisation, par le système, d'un ou de plusieurs seconds modèles d'apprentissage automatique pour déterminer des délais d'exécution (TAT) pour achever les tâches sur la base des informations d'état, et la détermination, par le système, d'un ordre de hiérarchisation pour effectuer les tâches actuellement en cours sur la base de la demande totale et des délais d'exécution.