典型文献
基于强化学习的装箱问题研究
文献摘要：
论文提出了一种基于改进规则和强化学习的混合启发式算法来求解二维带装箱问题(2D Strip Packing Prob?lem,2DSPP).首先,对基于skyline算法的评分规则进行了改进.其次使用Deep Q-Network(DQN)来获得初始的矩形物品序列,它可以提高空间利用率,防止算法陷入局部最优.将改进的评分规则与DQN相结合,提出了基于简单随机算法(SRA)的启发式算法,称为基于强化学习的简单随机算法(RSRA).用五种算法对8个数据集进行了实验比较.结果表明,RSRA在8个数据集(C,N,CX,NT,2sp,NP,ZDF,BWMV)上的性能最好,Ave.Gap％分别比GRASP、SRA、IA、ISH算法分别提高45.86％、45.16％、30.89％和20.56％.
文献关键词：
二维带装箱问题;DQN;强化学习;启发式算法;改进的规则
中图分类号：
作者姓名：
纪乃华;李祥栋;祝凯
作者机构：
青岛理工大学信息与控制工程学院 青岛 266520
文献出处：
引用格式：
[1]纪乃华;李祥栋;祝凯-.基于强化学习的装箱问题研究)[J].计算机与数字工程,2022(12):2633-2638
A类：
二维带装箱问题,2DSPP,RSRA,2sp,BWMV,改进的规则
B类：
强化学习,混合启发式算法,Strip,Packing,Prob,lem,skyline,评分规则,Deep,Network,DQN,空间利用率,局部最优,随机算法,CX,NT,NP,ZDF,Ave,Gap,GRASP,IA,ISH
AB值：
0.340343
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
