پیاده سازی یادگیری تقویتی ( reinforcement learning) برای حل مساله زنجیره تامین با تقاضای تصادفی

عنوان پروژه: بکارگیری(پیاده سازی) یادگیری تقویتی عمیق (deep reinforcement learning) برای حل مساله زنجیره تامین با تقاضای تصادفی در این پروژه یک مساله زنجیره تامین داریم که به صورت فرآیند تصمیم گیری مارکف یا (Markov decision process) مدل شده است. مساله شامل مقدار موجودی یک انبار، مقدار سفارش دهی و میزان تقاضا است. مانند هر مساله ی دیگری که به کمک یادگیری تقویتی حل میشود تعدادی state  و action   داریم. State ها همان مقدار موجودی انبار و actionها مقدار سفارش دهی است. این state  ها وابسته به action  و مقدار تقاضا هست. به ازای هر بار سفارش باید مبلغی به عنوان هزینه بپردازیم و اگر مقدار موجودی بیشتر از تقاضا باشد باید برای مقدار باقی مانده در انبار هزینه ای بپردازیم، همچنین اگر مقدار موجودی کمتر از تقاضا باشد باید جریمه پرداخت کنیم. میخواهیم به کمک reinforcement learning  سیاست بهینه سفارش دهی را پیدا کنیم. مدل ریاضی مساله نوشته شده و آماده است، جزییات بیشتر مساله در اختیار شما قرار میگیرد و در طول انجام پروژه نیز کنار شما خواهم بود فایل ضمیمه شده یک توضیح عمیقتر از مساله است و در صورت نیاز تماما برای شما شرح داده خواهد شد. به یک فرد مسلط برای پیاده سازی این مساله در پایتون نیاز دارم.  برای انجام این پروژه به دانش های زیر نیاز هست: Python\* Reinforcement learning\*  یا deep reinforcement learning \*برنامه نویسی بازگشتی یا recursive -اگر با مفاهیم مهندسی صنایع مثل زنجیره تامین آشنا باشید میتواند کار را آسانتر کند ولی یک ضرورت نیست.