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
- Managing Geological Uncertainty in Critical Mineral Supply Chains: A POMDP Approach with Application to U.S. Lithium Resources [30.240279885272827]
世界は、再生可能エネルギー技術と電気自動車による、前例のない重要なミネラル需要の時代に突入している。
この遷移は、特に地質学的不確実性のため、鉱物資源開発に固有の課題をもたらす。
本稿では、重要な鉱物の抽出決定を最適化する部分観測可能なマルコフ決定プロセス(POMDP)の新たな応用を提案する。
論文 参考訳(メタデータ) (2025-02-08T20:44:44Z) - Joint Pricing and Resource Allocation: An Optimal Online-Learning Approach [20.70943884841438]
ネット全体の利益を最大化するために、価格と在庫を共同で決定するオンライン学習の地平について検討する。
我々は,複数のOCO上での信頼境界戦略を利用した効率的なアルゴリズムを開発した。
論文 参考訳(メタデータ) (2025-01-29T23:23:54Z) - Joint Admission Control and Resource Allocation of Virtual Network Embedding via Hierarchical Deep Reinforcement Learning [69.00997996453842]
本稿では,仮想ネットワークの埋め込みにおいて,入出力制御と資源配分を併用して学習する深層強化学習手法を提案する。
HRL-ACRAは,受入率と長期平均収益の両面で,最先端のベースラインを上回っていることを示す。
論文 参考訳(メタデータ) (2024-06-25T07:42:30Z) - End-to-End Mineral Exploration with Artificial Intelligence and Ambient Noise Tomography [0.0]
我々は, 再生可能エネルギーソリューションにおいて, かなりの量の銅を必須元素として重視する。
速度,スケーラビリティ,深度浸透,分解能,環境影響の低さを特徴とするANTの利用のメリットを示す。
我々は、AIが地球物理データ解釈をどのように拡張し、鉱物探査の新しいアプローチを提供するかを示す。
論文 参考訳(メタデータ) (2024-03-22T10:23:48Z) - 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) - Pessimistic Minimax Value Iteration: Provably Efficient Equilibrium
Learning from Offline Datasets [101.5329678997916]
両プレイヤーゼロサムマルコフゲーム(MG)をオフライン環境で研究する。
目標は、事前収集されたデータセットに基づいて、近似的なナッシュ均衡(NE)ポリシーペアを見つけることである。
論文 参考訳(メタデータ) (2022-02-15T15:39:30Z) - 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) - 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。