-
题名数据挖掘算法在作业车间调度问题中的应用
被引量：1
- 1
-
-
作者
王艳红
赵也践
刘文鑫
-
机构
沈阳工业大学人工智能学院
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2024年第2期520-536,共17页
-
基金
辽宁省重点研发计划资助项目(2020JH2/10100041)
国家自然科学基金青年基金资助项目(62003221)。
-
文摘
为了从与日俱增的车间生产数据中提取调度规则来指导生产调度任务,提出一种基于数据挖掘的调度算法。将最小化最大完工时间设置为性能指标,从作业车间的离线生产数据中建立合适的调度样本集;将建立的调度样本集按合适的比例分为训练集和测试集;用数据挖掘算法中的分类回归树(CART)从训练集中获取有效的调度知识,形成CART树状调度规则库;为了验证所得调度规则的有效性,将调度规则与遗传算法结合,设计了一种基于数据挖掘和调度规则的遗传算法作为调度算法来求解作业车间调度问题。通过对不同作业车间经典算例进行仿真与测试,验证了所提调度规则和调度算法的有效性与优越性。
-
关键词
数据挖掘
作业车间调度
分类回归树
调度规则
-
Keywords
data mining
job shop scheduling
classification and regression tree
dispatching rules
-
分类号
TP278
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名改进Q学习算法在作业车间调度问题中的应用
被引量：3
- 2
-
-
作者
赵也践
王艳红
张俊
于洪霞
田中大
-
机构
沈阳工业大学人工智能学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2022年第6期1247-1258,共12页
-
基金
国家自然科学基金(61803273)
辽宁省重点研发计划(2020JH2/10100041)。
-
文摘
为解决动态环境下作业车间调度问题,提出了一种基于改进Q学习算法和调度规则的动态调度算法。以“剩余任务紧迫程度”的概念来描述动态调度算法的状态空间;设计了以“松弛越高,惩罚越高”为宗旨的回报函数;通过引入以Softmax函数为主体的动作选择策略来改进传统的Q学习算法,使改进后的Q学习算法在前期选择不同动作的概率更加平等,同时改善了贪婪策略在学习后期还会选择次优动作的现象。仿真结果表明:该调度算法相较于改进前,性能指标平均提升约6.5%;相较于IPSO算法和PSO算法,性能指标平均提升分别约为38.3%和38.9%,调度结果明显优于使用单一调度规则以及传统优化算法等常规方法。
-
关键词
强化学习
Q学习
调度规则
动态调度
作业车间调度
-
Keywords
reinforcement learning
Q learning
dispatching rules
dynamic scheduling
job shop scheduling
-
分类号
TB497
[一般工业技术]
TP278
[自动化与计算机技术—检测技术与自动化装置]
-
