龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：武汉理工大学
摘要：本发明针对自动化港口调度领域，传统的精确算法和近似算法无法满足大规模调度问题快速求解以及难以适应动态生产环境的特点，公开了一种基于深度强化学习的自动化码头协同调度方法，该方法将自动化集装箱码头岸桥、ART与场桥协同作业过程建模为一个三阶段的带不相关并行机的混合流水车间调度问题，并将该问题转化为一个多agent的马尔科夫决策过程，根据港口实际装卸情况调整智能体动作，然后使用actor‑critic双网络算法进行求解，其中actor网络负责输出动作、执行调度任务，critic网络负责对actor网络的执行结果给出评价，指导actor网络的行为。本发明将集装箱装卸过程中的每一台设备视作一个智能体，避免了当机器故障时需要重新规划调度计划的情况，使得调度更加灵活。
主权项：1.一种基于深度强化学习的自动化码头协同调度方法，其特征在于，该方法包括以下步骤：步骤1、将自动化集装箱码头岸桥、ART与场桥协同作业过程建模为一个三阶段的带不相关并行机的混合流水车间调度模型；步骤2、将混合流水车间调度模型建模为多agent的马尔科夫决策过程；步骤3、初始化经验池D和其容量N，初始化critic网络参数与actor网络参数初始化环境得到最初状态S0，初始化动作空间；步骤4、根据ε-greedy策略，以ε概率随机选择一个动作at，执行相应调度作业，得到当前状态st，更新对应状态矩阵，观察即时奖励rt，感知下一状态st+1；步骤5、将序列st,at,rt,st+1存入经验池D中，作为训练当前网络的数据集；步骤6、训练critic当前网络与actor当前网络，更新当前网络的参数和使用soft方法更新critic目标网络与actor目标网络的参数和直至达到设定的迭代次数；步骤7、所有作业完成后，计算最大完工时间Cmax，生成最优调度计划。
全文数据：
权利要求：
百度查询： 武汉理工大学 一种基于深度强化学习的自动化码头协同调度方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号