我对深度学习还很陌生，但我认为我找到了正确的现实情况来开始使用它。问题是我只使用这样的算法来预测结果。对于我的新项目，我需要信息来为机器提供优化结果。有人可以简要解释一下我应该如何进行吗？我被困住了。

情况如下：

我有一台机器，它可以在整个长度上使用不同等级的木材，并且必须将其切割成切割清单中提供的块。这台机器将始终选择它可以从给定木板上获得的最高分数。分数是通过将每个块的面积乘以其乘数来获得的。我要构建的算法必须为切割列表中列出的每个块为该机器提供一个乘法器。这台机器的所有物理输出都将由机器人储存在货架上，直到需要为止。如果切割机有助于达到更高的分数，则允许切割机降级木板的某些部分。

价值必须作为机器的激励，在不降低太多木材等级的情况下为我提供我最需要的块。

优化目标

• 确保每个块在需要时都有库存，但不要无故过早
• 尽可能减少木材面积（有些品种非常昂贵）

输入节点

• 需要此块之前的时间量
• 此块的木材等级
• 需要这个块的数量
• 街区的区域（也许？）

提供给算法的反馈

• 块准备就绪的提前时间（必须尽可能短）
• 被降级的木材面积 * 跳过的等级数

预期回报数据

• 一个乘法器，它将使该块相对于其他块具有最佳优先级

我没有但可以收集到的信息

• 每种木材的每个等级的平均比率

到目前为止，我发现我可能需要将我的反馈仅分解为一个值，以使其成为输出节点。问题是我不明白如何让这个算法来确定一个multiplicator。试图通过深度学习解决这个问题我错了吗？