@Anton198

Есть задача по распределению работникам по видам работ.
Каждый месяц приходит набор работ А, В, С и т.д., каждый месяц в разные даты.
Есть N работников, причем есть как универсальные работники, способные выполнять все работы, так и только те которые выполняют только определенный набор работ. Требуется равномерно нагружать работников.
Есть набор данных за последние три года, где работники каждый месяц распределялись на работы, на них предполагается обучение.
Пытался реализовать нееросеть распределяющая 4 работы одного типа на двух работников (в последующем усложняя). В качестве обучающей выборки выступает zero-вектор размером 1х30, по количеству дней в месяце, с единицами в дни которые необходимо выполнить работы. На выходе хочу получать вектор такой же размерности, но вместо единиц (назначение работы) указать номер работника для ее выполнения.
Созданная нееросеть из двух скрытых полносвязных слоев (количество нейронов выставлял разное) не обучается, ссылаясь на невозможность расчитать градиент ошибки.
Возможно ли рееализовать решение такой задачи с помощью нееросети?

0

@VTsaregorodtsev

Может быть и можно (мне лень думать) - но нафиг не нужно
Просто исходно - это обычная задача дискретного программирования (задача о назначениях) с перепланированием после прихода очередной порции заданий.
А вот при желании залезть в сторону нейросеток - выйдет не нейросеть в каком-то явном виде, а приближённый алгоритм решения задачи условной оптимизации. Т.е. задачу записываем в виде задачи оптимизации с ограничениями - и затем называем "обучением" применение метода градиентной оптимизации, который до глобального минимума может и не добраться, а застрять в локальном минимуме (т.е. выйдет не оптимальное - а некоторое приближённое решение). Но, повторяю, мне лень тут думать для выдачи гарантии, что теоретически всё выйдет ОК.

2