一个基于强化学习的3D分布算法估计,用于模糊分布式混合流量商店调度,考虑按时交付

科学领域:

• 运营研究 运营研究
• 制造业 工程 制造工程
• 人工智能的人工智能

背景情况:

• 对大规模定制和全球竞争的日益增长的需求需要高效,环保的分布式制造.
• 调度的不确定性是智能制造的关键因素,但考虑到能源和客户满意度的不确定分布式调度的研究是有限的.
• 与按时交付 (FDHFSP-OTD) 相关的模糊分布式混合流量商店调度问题是一个复杂的挑战.

研究的目的:

• 解决模糊分布式混合流量商店调度问题,考虑按时交付 (FDHFSP-OTD).
• 开发和评估一个新的3D估计分布算法 (EDA),与强化学习 (RL) 集成,以解决这个问题.
• 在不确定的制造环境中最大限度地提高交付准确度的同时,最大限度地减少制造周期和能源消耗.

主要方法:

• 建议使用基于Q学习的增强学习 (RL) 结合分布算法 (EDA) 的3D估计.
• 初始化采用了合作式启发式和随机方法.
• 后代使用了3D概率矩阵,进化方向通过基于Q学习的偏向解码方法进行了自适应调整.
• 纳入了当地强化战略,以增强精英解决方案.

主要成果:

• 广泛的实验分析了参数效应,并确定了最佳值组合.
• 数字结果验证了拟议的战略和方法的有效性.
• 与现有算法相比,3D-EDA/RL方法在解决FDHFSP-OTD问题方面显示出显著的潜力.

结论:

• 与RL一起开发的3D EDA对于考虑按时交付的模糊分布式混合流量商店调度问题是有效的.
• 综合方法成功地平衡了将制造商和能源消耗降至最低的目标,并最大限度地提高了交付准确性.
• 该研究强调了先进的人工智能技术在解决复杂,不确定的制造计划挑战方面的潜力.