Key points are not available for this paper at this time.
الملخص تستعرض هذه الورقة دمج تعلم Q مع خوارزميات الميتا-الهيوريستيك (QLMA) خلال العشرين عاماً الماضية، مع تسليط الضوء على نجاحها في حل مشكلات الأمثلية المعقدة. نركز على الجوانب الرئيسية لـ QLMA، بما في ذلك تكييف المعاملات، اختيار المشغل، وموازنة الاستكشاف العالمي مع الاستغلال المحلي. أصبحت QLMA حلاً رائداً في صناعات مثل الطاقة، أنظمة القدرة، والهندسة، حيث تعالج مجموعة من التحديات الرياضية. نتطلع لمزيد من الاستكشاف في دمج الميتا-الهيوريستيك، استراتيجيات التعلم بالنقل، والتقنيات لتقليل فضاء الحالات. تصنف هذه المقالة تحت: التقنيات > تقنيات الذكاء الحاسوبي > الذكاء الاصطناعي
Building similarity graph...
Analyzing shared references across papers
Loading...
Yang Yang
Yuchao Gao
Zhe Ding
Wiley Interdisciplinary Reviews Data Mining and Knowledge Discovery
The University of Queensland
Queensland University of Technology
Ocean University of China
Building similarity graph...
Analyzing shared references across papers
Loading...
درس يانغ وآخرون (Sun,) هذا السؤال.
www.synapsesocial.com/papers/68e5bd3ab6db643587555151 — DOI: https://doi.org/10.1002/widm.1548
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: