典型文献
基于深度强化学习的自动化集装箱码头集成调度方法
文献摘要：
针对自动化集装箱码头卸货过程中岸桥、智能运输机器人和场桥设备交互作业,实际调度环境复杂多变等问题,以最小化最大完工时间为目标,构建基于混合流水车间的三阶段集装箱码头集成调度模型,为解决自动化码头调度环境动态性强的特点,使用1种深度强化学习算法(DDQN)进行求解.依据码头实际调度情况,使用神经网络实时拟合动作-值函数,把各阶段设备状态数据输入模型,采用经验回放机制训练模型,把单一启发式规则加复合启发式规则作为设备候选行为,通过强化学习动作选择与动作评估机制,得到最优的集装箱-设备组合策略,并与精确算法和常用的几种元启发式策略进行对比分析.结果表明:较大规模算例下,与目前较为先进的粒子群算法相比,所提方法的总作业时间平均降低了7.84％,与理论下界值的差距分别为6.0％,5.6％,4.6％,三阶段设备负载较为均衡,设备平均利用率为89％,满足实际应用需求;小规模算例下,与Gurobi求解器的总完工时间平均误差为1.99％,且随着算例规模增加,所提算法在求解时间上显现出一定的优势,求解时间最大提升59％,验证了所提方法对于提升自动化集装箱码头运行效率的可行性和高效性.
文献关键词：
智能交通;自动化集装箱码头;三阶段集成调度;深度强化学习;混合流水车间
中图分类号：
[1]
交通运输（U）
/
水路运输（U6）
/
港口工程（U65）
/
港口水工建筑物（U656）
/
码头（U656.1）
/
码头：按用途分（U656.1+3）
/
集装箱码头（U656.1+35）
作者姓名：
尹星;张煜;郑倩倩;唐可心
作者机构：
武汉理工大学交通与物流工程学院 武汉 430063;广东省内河港航产业研究有限公司 广东 韶关 512000
文献出处：
引用格式：
[1]尹星;张煜;郑倩倩;唐可心-.基于深度强化学习的自动化集装箱码头集成调度方法)[J].交通信息与安全,2022(06):81-91
A类：
元启发式策略,三阶段集成调度
B类：
自动化集装箱码头,调度方法,卸货,岸桥,智能运输,运输机器人,环境复杂,最小化最大完工时间,混合流水车间,调度模型,自动化码头,环境动态性,深度强化学习算法,DDQN,实时拟合,值函数,设备状态,状态数据,经验回放机制,训练模型,启发式规则,动作评估,评估机制,设备组,组合策略,精确算法,粒子群算法,作业时间,时间平均,理论下界,应用需求,小规模,Gurobi,求解器,总完工时间,平均误差,例规,求解时间,显现出,智能交通
AB值：
0.280902
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。
