作业车间调度
文章平均质量分 90
码丽莲梦露
专注运筹优化领域工作者
展开
-
多目标进化算法详细讲解及代码实现(样例:MOEA/D、NSGA-Ⅱ求解多目标(柔性)作业车间调度问题)
本文对基于分解的多目标进化算法及基于Pareto的多目标进化算法进行了详细的讲解,并使用柔性作业车间调度问题作为背景对两类算法中极具代表性的算法MOEA/D和NSGA-Ⅱ进行了复现。原创 2022-08-22 19:02:42 · 7769 阅读 · 6 评论 -
AGV调度研究(部分论文提供了个人python复现)
1 问题简述1.1 GA+启发式(VAA):《A hybrid GA/heuristic approach to the simultaneous scheduling of machines and automated guided vehicles》(2007/IJPR/Tamer F. Abdelmaguid)编码:所研究问题的第一部分即工序调度的结构在理论上类似于作业车间调度问题,因此采用基于工序的编码。车辆分配和调度部分由一种称为车辆分配算法(VAA)的启发式算法来处理。VAA从.原创 2022-03-26 15:24:54 · 7338 阅读 · 3 评论 -
用python实现基于遗传算法求解带AGV的作业车间调度问题
1 项目描述针对带AGV的作业车间调度问题,以最小化完工时间为目标,考虑AGV在装载站、机器、卸载站之间的有效负载时间和空载时间,采用遗传算法进行求解,设计了面向工件运输次数的一维编码,和面向工件运输的驱动解码,以此来联动工件排序和AGV指派两个调度子问题,达到接近最优解的效果。算法采用Bilge和Ulusoy等人设计的40个算例进行验证。算例下载可前往个人CSDN:机器人作业车间的算例JSP_Transbot.zip-制造文档类资源-CSDN文库进行下载。或前往个人Github下载完整代码包含原创 2022-02-19 12:05:24 · 4885 阅读 · 11 评论 -
(pytorch复现)基于深度强化学习(CNN+dueling network/DQN/DDQN/D3QN/PER)的自适应车间调度(JSP)
为了深入学习各种深度学习网络和强化学习的结合,实现了一下下列文章:Research on Adaptive Job Shop Scheduling Problems Based on Dueling Double DQN | IEEE Journals & Magazine | IEEE Xplore状态、动作、奖励函数及实验的简单介绍可参考:基于深度强化学习的自适应作业车间调度问题研究_松间沙路的博客-CSDN博客_强化学习调度整体代码复现可见个人Github:Aihong-Sun原创 2021-12-27 15:25:49 · 7138 阅读 · 13 评论 -
作业车间问题的调度学习:使用图神经网络(GNN)和强化学习(RL)的表示和策略学习
《Learning to schedule job-shop problems:representation and policy learning using graph neural network and reinforcement learning》Internation Journal of production research/20211 摘要我们提出了一个使用图神经网络(GNN)和强化学习(RL)来学习调度作业车间问题(JSSP)的框架。为了考虑JSSP的结构,我...原创 2021-11-09 17:04:04 · 4872 阅读 · 3 评论 -
论文阅读|图神经网络+Actor-Critic求解静态JSP(End-to-End DRL)《基于深度强化学习的调度规则学习》(附带源码)
《Learning to Dispatch for Job Shop scheduling via Deep Reinforcemnet Learning》NeurIPS 20201 摘要优先调度规则(Priority dispatching rule,PDR)广泛用于求解JSSP问题,这篇文章通过端到端的深度强化学习代理来自动学习PDR。利用JSSP的析取图表示,提出了一种基于图神经网络(Graph Neural Network,GNN)的方案来嵌入求解过程中遇到的状态。由此产生的策略网络与大原创 2021-08-19 22:53:30 · 3845 阅读 · 22 评论 -
论文阅读|《基于加权Q学习算法的自适应车间调度策略》
《Adaptive job shop scheduling strategy based on weighted Q-learning algorithm》Journal of Intelligent Maunfacturing/20201 摘要问题:作业车间动态、不确定性方法:提出一种包括机器、缓冲区、状态和工件的多Agent动态调度系统,采用基于聚类和动态搜索的加权Q学习算法来确定最合适的操作对生产进行优化。为解决系统状态变化带来的大状态空间问题,提出了4种状态特征,状态空间的范围缩小通原创 2021-07-03 14:39:34 · 1447 阅读 · 2 评论