論文の概要: Learning on Graphs for Mineral Asset Valuation Under Supply and Demand
Uncertainty
- arxiv url: http://arxiv.org/abs/2212.03865v1
- Date: Wed, 7 Dec 2022 00:30:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 14:48:16.551829
- Title: Learning on Graphs for Mineral Asset Valuation Under Supply and Demand
Uncertainty
- Title(参考訳): 需給不確実性下における鉱物資産評価グラフの学習
- Authors: Yassine Yaakoubi, Hager Radi, Roussos Dimitrakopoulos
- Abstract要約: この作業は、供給と需要の不確実性の下で、鉱物資産の評価と鉱山計画のスケジューリングと最適化を共同で行う。
グラフに基づく3つの解法が提案されている: (i) ブロックサンプリング鉱体表現を学習する神経分岐ポリシー、 (ii) 選択木を探索することを学ぶ誘導ポリシー。
2つの大規模産業用地雷施設で行った結果, 原産品の最適度, 実行時間, 繰り返し回数の最大3桁の減少, 鉱物資源価値の最大40%の増大が確認された。
- 参考スコア(独自算出の注目度): 2.1485350418225244
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Valuing mineral assets is a challenging task that is highly dependent on the
supply (geological) uncertainty surrounding resources and reserves, and the
uncertainty of demand (commodity prices). In this work, a graph-based
reasoning, modeling and solution approach is proposed to jointly address
mineral asset valuation and mine plan scheduling and optimization under supply
and demand uncertainty in the "mining complex" framework. Three graph-based
solutions are proposed: (i) a neural branching policy that learns a
block-sampling ore body representation, (ii) a guiding policy that learns to
explore a heuristic selection tree, (iii) a hyper-heuristic that manages the
value/supply chain optimization and dynamics modeled as a graph structure.
Results on two large-scale industrial mining complexes show a reduction of up
to three orders of magnitude in primal suboptimality, execution time, and
number of iterations, and an increase of up to 40% in the mineral asset value.
- Abstract(参考訳): 鉱物資源の評価は資源や埋蔵量を取り巻く供給(地質学的)の不確実性や需要の不確実性(コモディティ・プライス)に大きく依存する課題である。
本研究では,「採掘複雑化」フレームワークにおいて,供給・需要不確実性の下での鉱物資源評価と鉱山計画のスケジューリングと最適化を共同で行うために,グラフベースの推論・モデリング・解法を提案する。
3つのグラフベースのソリューションが提案されている。
(i)ブロックサンプリングされた鉱石の体表象を学ぶ神経分岐政策
(二)ヒューリスティック選択木を探索することを学ぶ指導方針
三 グラフ構造としてモデル化された値/供給連鎖最適化とダイナミクスを管理する超ヒューリスティック。
2つの大規模産業用地雷施設で行った結果, 原産品の最適度, 実行時間, 繰り返し回数の最大3桁の減少, 鉱物資源価値の最大40%の増大が確認された。
関連論文リスト
- Low-Resource Vision Challenges for Foundation Models [54.23533023883659]
低リソース問題はコンピュータビジョンでは未発見である。
まず、真に低解像度の画像データのベンチマークを収集する。
これらの低リソース設定はすべて、データの不足、きめ細かい違い、そして自然画像から特殊なドメインへの分散シフトの3つの課題を共有している。
論文 参考訳(メタデータ) (2024-01-09T18:40:52Z) - Value-Distributional Model-Based Reinforcement Learning [63.32053223422317]
政策の長期的業績に関する不確実性の定量化は、シーケンシャルな意思決定タスクを解決するために重要である。
モデルに基づくベイズ強化学習の観点から問題を考察する。
本稿では,値分布関数を学習するモデルに基づくアルゴリズムであるEpicemic Quantile-Regression(EQR)を提案する。
論文 参考訳(メタデータ) (2023-08-12T14:59:19Z) - Proactive Resource Request for Disaster Response: A Deep Learning-based
Optimization Model [0.2580765958706854]
我々は,要求される資源の最適量を積極的に決定する新たな資源管理問題を開発する。
我々は,問題の健全な特性を考慮に入れ,今後の需要予測のための新しいディープラーニング手法を開発した。
実世界とシミュレーションデータの両方を用いて,既存手法よりも優れた性能を示す。
論文 参考訳(メタデータ) (2023-07-31T13:44:01Z) - Improving Confidence in Evolutionary Mine Scheduling via Uncertainty
Discounting [10.609857097723266]
不確実性を考慮した最適スケジュール決定のための新しいアプローチを提案する。
この経済的な枠組みにおける不確実性の扱いは、以前使用が困難だった変動モデルを実用的な洞察に還元する。
我々はMaptekの鉱山計画ソフトウェアEvolutionを用いて実験を行った。
論文 参考訳(メタデータ) (2023-05-29T08:43:09Z) - When Demonstrations Meet Generative World Models: A Maximum Likelihood
Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。
タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
論文 参考訳(メタデータ) (2023-02-15T04:14:20Z) - Factor Investing with a Deep Multi-Factor Model [123.52358449455231]
我々は、業界中立化と市場中立化モジュールを明確な財務見識をもって取り入れた、新しい深層多要素モデルを開発する。
実世界の株式市場データによるテストは、我々の深層多要素モデルの有効性を示している。
論文 参考訳(メタデータ) (2022-10-22T14:47:11Z) - Efficient Strategy Synthesis for MDPs with Resource Constraints [16.774128823546416]
我々は,消費マルコフ決定過程と呼ばれる形式に対する戦略合成を考える。
提示されたアルゴリズムは、モデルの表現に関して時間的に機能する。
論文 参考訳(メタデータ) (2021-05-05T14:59:30Z) - Coordinated Online Learning for Multi-Agent Systems with Coupled
Constraints and Perturbed Utility Observations [91.02019381927236]
本研究では, 資源制約を満たすため, エージェントを安定な集団状態へ誘導する新しい手法を提案する。
提案手法は,ゲームラグランジアンの拡張によるリソース負荷に基づく分散リソース価格設定手法である。
論文 参考訳(メタデータ) (2020-10-21T10:11:17Z) - Value Variance Minimization for Learning Approximate Equilibrium in
Aggregation Systems [8.140037969280716]
集約システムにおける近似平衡解(ウィンウィン)の学習問題を考察する。
本稿では,集約システムにおける近似平衡解(ウィンウィン)の学習の問題について考察する。
論文 参考訳(メタデータ) (2020-03-16T10:02:42Z) - Cost-Sensitive Portfolio Selection via Deep Reinforcement Learning [100.73223416589596]
深層強化学習を用いたコスト依存型ポートフォリオ選択手法を提案する。
具体的には、価格系列パターンと資産相関の両方を抽出するために、新しい2ストリームポートフォリオポリシーネットワークを考案した。
蓄積したリターンを最大化し、強化学習によるコストの両立を抑えるため、新たなコスト感受性報酬関数が開発された。
論文 参考訳(メタデータ) (2020-03-06T06:28:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。