Buchumschlag

Deep Multi-Objective Reinforcement Learning for Utility-Based Infrastructural Maintenance Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	van Remmerden, Jesse, Kenter, Maurice, Roijers, Diederik M., Andriotis, Charalampos, Zhang, Yingqian, Bukhsh, Zaharah
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Offline Reinforcement Learning for Learning to Dispatch for Job Shop Scheduling
von: van Remmerden, Jesse, et al.
Veröffentlicht: (2024)

Generalizing Beyond Suboptimality: Offline Reinforcement Learning Learns Effective Scheduling through Random Data
von: van Remmerden, Jesse, et al.
Veröffentlicht: (2025)

Online Control of Adaptive Large Neighborhood Search using Deep Reinforcement Learning
von: Reijnen, Robbert, et al.
Veröffentlicht: (2022)

Maintenance Strategies for Sewer Pipes with Multi-State Degradation and Deep Reinforcement Learning
von: Jimenez-Roa, Lisandro A., et al.
Veröffentlicht: (2024)

Graph-Supported Dynamic Algorithm Configuration for Multi-Objective Combinatorial Optimization
von: Reijnen, Robbert, et al.
Veröffentlicht: (2025)

Job Shop Scheduling Benchmark: Environments and Instances for Learning and Non-learning Methods
von: Reijnen, Robbert, et al.
Veröffentlicht: (2023)

Unsupervised anomaly detection algorithms on real-world data: how many do we need?
von: Bouman, Roel, et al.
Veröffentlicht: (2023)

A Rollout-Based Algorithm and Reward Function for Resource Allocation in Business Processes
von: Middelhuis, Jeroen, et al.
Veröffentlicht: (2025)

Learning Efficient and Fair Policies for Uncertainty-Aware Collaborative Human-Robot Order Picking
von: Smit, Igor G., et al.
Veröffentlicht: (2024)

Graph Neural Networks for Job Shop Scheduling Problems: A Survey
von: Smit, Igor G., et al.
Veröffentlicht: (2024)

Online Planning in POMDPs with State-Requests
von: Avalos, Raphael, et al.
Veröffentlicht: (2024)

Multi-Objective Optimization for Privacy-Utility Balance in Differentially Private Federated Learning
von: Ranaweera, Kanishka, et al.
Veröffentlicht: (2025)

Scalable Multi-Objective Reinforcement Learning with Fairness Guarantees using Lorenz Dominance
von: Michailidis, Dimitris, et al.
Veröffentlicht: (2024)

Preference Guided Iterated Pareto Referent Optimisation for Accessible Route Planning
von: Speziali, Paolo, et al.
Veröffentlicht: (2026)

Divide and Conquer: Provably Unveiling the Pareto Front with Multi-Objective Reinforcement Learning
von: Röpke, Willem, et al.
Veröffentlicht: (2024)

Adversarial Instance Generation and Robust Training for Neural Combinatorial Optimization with Multiple Objectives
von: Liu, Wei, et al.
Veröffentlicht: (2026)

Combining Multi-Objective Bayesian Optimization with Reinforcement Learning for TinyML
von: Deutel, Mark, et al.
Veröffentlicht: (2023)

Joint Optimization of Multi-Objective Reinforcement Learning with Policy Gradient Based Algorithm
von: Bai, Qinbo, et al.
Veröffentlicht: (2021)

Multi-Objective Optimization for Sparse Deep Multi-Task Learning
von: Hotegni, S. S., et al.
Veröffentlicht: (2023)

MOMAland: A Set of Benchmarks for Multi-Objective Multi-Agent Reinforcement Learning
von: Felten, Florian, et al.
Veröffentlicht: (2024)

Modeling Multi-Objective Tradeoffs with Monotonic Utility Functions
von: Chen, Edward, et al.
Veröffentlicht: (2024)

Multi-Objective Reinforcement Learning for Water Management
von: Osika, Zuzanna, et al.
Veröffentlicht: (2025)

Demonstration Guided Multi-Objective Reinforcement Learning
von: Lu, Junlin, et al.
Veröffentlicht: (2024)

Safety Optimized Reinforcement Learning via Multi-Objective Policy Optimization
von: Honari, Homayoun, et al.
Veröffentlicht: (2024)

Preference Conditioned Multi-Objective Reinforcement Learning: Decomposed, Diversity-Driven Policy Optimization
von: Ambadkar, Tanmay, et al.
Veröffentlicht: (2026)

A Theoretical Analysis of Efficiency Constrained Utility-Privacy Bi-Objective Optimization in Federated Learning
von: Gu, Hanlin, et al.
Veröffentlicht: (2023)

Evaluating LLM-Based Process Explanations under Progressive Behavioral-Input Reduction
von: van Oerle, P., et al.
Veröffentlicht: (2025)

Scheduling That Speaks: An Interpretable Programmatic Reinforcement Learning Framework
von: Hu, Chengpeng, et al.
Veröffentlicht: (2026)

TREX: Trajectory Explanations for Multi-Objective Reinforcement Learning
von: Rajapakse, Dilina, et al.
Veröffentlicht: (2026)

Interpretability by Design for Efficient Multi-Objective Reinforcement Learning
von: Xia, Qiyue, et al.
Veröffentlicht: (2025)

Utility-Based Reinforcement Learning: Unifying Single-objective and Multi-objective Reinforcement Learning
von: Vamplew, Peter, et al.
Veröffentlicht: (2024)

MO-MIX: Multi-Objective Multi-Agent Cooperative Decision-Making With Deep Reinforcement Learning
von: Hu, Tianmeng, et al.
Veröffentlicht: (2026)

Multi-Objective Optimization Using Adaptive Distributed Reinforcement Learning
von: Tan, Jing, et al.
Veröffentlicht: (2024)

TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled Prescriptive Maintenance Framework
von: Zhao, Yang, et al.
Veröffentlicht: (2023)

Multi-Year Maintenance Planning for Large-Scale Infrastructure Systems: A Novel Network Deep Q-Learning Approach
von: Fard, Amir, et al.
Veröffentlicht: (2025)

An Offline Adaptation Framework for Constrained Multi-Objective Reinforcement Learning
von: Lin, Qian, et al.
Veröffentlicht: (2024)

In Search for Architectures and Loss Functions in Multi-Objective Reinforcement Learning
von: Terekhov, Mikhail, et al.
Veröffentlicht: (2024)

C-MORAL: Controllable Multi-Objective Molecular Optimization with Reinforcement Alignment for LLMs
von: Gao, Rui, et al.
Veröffentlicht: (2026)

Divide and Learn: Multi-Objective Combinatorial Optimization at Scale
von: Singh, Esha, et al.
Veröffentlicht: (2026)

Polychromic Objectives for Reinforcement Learning
von: Hamid, Jubayer Ibn, et al.
Veröffentlicht: (2025)