文献

J-GLOBAL ID：201602251343253712   整理番号：16A1280196

Deep Reinforcement Learningを用いたマシニングセンタのジョブ選択基準のモデル化

著者 (4件)： 菅野翼 (大阪府大) ,  岩村幸治 (大阪府大) ,  谷水義隆 (大阪府大) ,  杉村延広 (大阪府大)
資料名： 日本機械学会年次大会講演論文集(CD-ROM)  (日本機械学会年次大会(CD-ROM))
巻： 2016  ページ： ROMBUNNO.S1410104  発行年： 2016年09月10日 
JST資料番号： X0587C  ISSN： 2424-2667  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 著者らの従来の研究において,総納期ずれの最小化を目的として,マシニングセンタを表すリソースエージェントおよび加工される製品を表すジョブエージェントが,マルチエージェント強化学習を用いてスケジュールを決定する手法を提案している。本研究では,総納期ずれ最小化を目的として,Deep Learningと強化学習を組み合わせたDeep Reinforcement Learningを用いて,リソースエージェントが次に加工プロセスを実行するジョブエージェントを選択する基準を獲得する手法を提案する。(著者抄録)

シソーラス用語： *マシニングセンタ ,  *管理 ,  *納期 ,  *資源 ,  *エージェント ,  *強化学習 ,  *機械学習
準シソーラス用語： 納期管理 ,  リソース ,  深層学習

分類 (3件)： 工程管理  (KB03030P) ,  切削一般  (QC02010V) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： マシニングセンタ ,  選択基準 ,  モデル化