基于强化学习-群体进化混合算法的双边拆解线设计方法

发明专利有效专利

申请号：
CN202211206939.4
IPC分类号：G06Q10/06G06N3/00G06N20/00G06Q10/00
申请日期：
2022-09-30
申请人：
暨南大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于强化学习-群体进化混合算法的双边拆解线设计方法
申请号	CN202211206939.4	申请日期	2022-09-30
法律状态	公开	申报国家	中国
公开/公告日	2022-11-01	公开/公告号	CN115271568A
优先权	暂无	优先权号	暂无
主分类号	G06Q10/06 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法〔8〕 G06Q10/00 行政；管理〔8，2012.01〕 G06Q10/06 资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型〔2012.01〕	IPC分类号	G06Q10/06;G06N3/00;G06N20/00;G06Q10/00查看分类表>
申请人	暨南大学	申请人地址	广东省广州市天河区黄埔大道西6*** 变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	暨南大学	当前权利人	暨南大学
发明人	任亚平;陆鑫宇;郭洪飞;塔建;王丽娜
代理机构	广东金穗知识产权代理事务所（普通合伙）	代理人	何敏斌

摘要

本发明涉及基于强化学习‑群体进化混合算法的双边拆解线设计方法，所述方法包括以下步骤S1、定义与、或优先关系；S2、建立以优化产线布置、经济效益和安全环保三个方面共六个指标的数学模型；S3、初始化种群，建立外部档案储存Pareto较优解，建立R值表记录算子的改进效果，建立Q值表储存Q值；S4、采用群优化算法迭代更新外部档案，同时记录每代优化算子的对于目标的改进值；S5、重复步骤S3‑S4，进行多次强化学习获得稳定的R值表和Q值表；S6、根据Q值表终表，采用群优化算法迭代更新外部档案，获得稳定解。本发明采用了基于强化学习的群体进化算法解决拆卸任务之间复杂的约束类型，能高效获得稳定的最优解并保证解的多样性。