【摘 要】
：
为了解决多品种、多规格的大规模定制下生产组织调度及插单、退单问题,基于多Agent技术动态调度强化学习模型,采用分布式处理体系,通过控制Agent、任务Agent、算法Agent和调
【机 构】
：
燕山大学机械工程学院,国家冷轧板带装备及工艺工程技术研究中心
【基金项目】
：
国家重点研发计划项目(2017YFB0306400),河北省自然科学基金杰出青年科学基金项目(E2019203452),材料成形与模具技术国家重点实验室开放基金项目(P2020-013)。
论文部分内容阅读
为了解决多品种、多规格的大规模定制下生产组织调度及插单、退单问题,基于多Agent技术动态调度强化学习模型,采用分布式处理体系,通过控制Agent、任务Agent、算法Agent和调度Agent互换进行信息加工,实现生产流程智能化调度。采用人工神经网络算法与人工蚁群算法的协商策略,引入加工任务奖励规则,解决插单、退单问题,实现排产智能化。实验模拟2台生产机器、8个待加工工件的工作状态。结果表明,模型算法45代左右基本收敛,调度成功率均在95%以上。基于多Agent技术的动态调度强化学习模型不仅能实现大规模
其他文献
对一次锅炉鼓包事故进行失效分析,采用了壁厚分析、硬度分析、金相分析及水质分析等手段。研究发现,材质劣化导致锅筒局部强度不足,是此次鼓包事故的直接原因;锅炉水质不达标
目的观察中西医结合治疗动脉瘤性蛛网膜下腔出血(aSAH)后早期脑损伤的临床疗效。方法选取2017年6月—2019年6月新疆医科大学附属中医医院神经外科诊治的急性期aSAH病人72例,
城镇埋地聚乙烯燃气管道在现有的检验检测技术基础上,增加声波定位技术、管材性能分析和风险评估项目;通过该技术,能检验检测出危害某市管网的安全隐患;该技术能为以后形成更
为解决传统方法难以处理德州扑克巨大的状态空间,以及强化学习中人工神经网络收敛性差等问题,以强化学习框架为基础,采用AC算法,引入专家先验知识预训练网络参数,以加速收敛
对汽车驾驶员进行疲劳检测,需首先利用面部检测技术对驾驶员的面部动作进行识别,可以使用MTCNN与CNN相结合的深度学习方法完成面部动作检测。先利用MTCNN的3个模块将面部特征与关键点进行提取,再利用CNN对网络进行训练,以准确识别特定的面部动作。利用MTCNN与CNN相结合的方法,模型准确率达99%,并且实时检测的FPS平均在19帧左右。研究表明,使用MTCNN与CNN相结合的深度学习方法,可以
深度卷积神经网络(DCNN)是人工智能研究领域前沿方向。DCNN结构复杂、参数非常多、可解释性与鲁棒性不强,对图像数据集的清晰度要求很高,而目前关于DCNN抗噪性能研究还较欠缺。通过给手写体数据集DigitDataset的测试集添加4种不同幅度噪声,深入研究DCNN在手写体识别上的抗噪性能。研究结果表明:(1)噪声对DCNN性能影响很大,噪声幅度越大,精度下降越快;(2)指数噪声对精度影响最大,伽
为了求解智能物流环境下货到人模式的智能仓库货位分配问题,首先根据货物出入库频率、货物质量和货位信息,从提货架稳定性、提高出入库效率、相关货物靠近存放角度建立多目标
目的研究消毒供应室开展品管圈(QCC)活动对降低手术器械感染率的影响。方法于2018年6~12月由我院消毒供应室开展QCC活动,分别于QCC实施前和实施后向我院各手术科室发放调查问
针对目前许多神经网络模型存在泛化能力较差现象,提出一种多头注意力方法以缓解神经网络泛化问题。该方法利用多头注意力从并行的长短期记忆网络(LSTM)中选择性激活并进行信息交流。在信息交流过程中既保留了普遍性信息,又加强了鲁棒性,从而提高神经网络的泛化能力。在对比传统并行LSTM实验中,该方法在4种数据集的平均测试误差比传统方法约低1.39%。另外与3种相关研究进行对比,该方法在4种数据集的平均测试误
点击率(CTR)预估在广告系统中至关重要,决定了广告收益大小。为提高广告点击率预估准确率,提出一种基于用户历史序列的点击率预估模型CANN。通过结合协同过滤和自注意力机制