文献

J-GLOBAL ID：202202210475531696   整理番号：22A0738458

メンテナンスによる分散3段組立スケジューリングのための強化学習による適応人工蜂コロニー【JST・京大機械翻訳】

An adaptive artificial bee colony with reinforcement learning for distributed three-stage assembly scheduling with maintenance

著者 (3件)： Wang Jing (School of Automation, Wuhan University of Technology, Wuhan, China) ,  Lei Deming (School of Automation, Wuhan University of Technology, Wuhan, China) ,  Cai Jingcao (School of Automation, Wuhan University of Technology, Wuhan, China)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 117  ページ： Null  発行年： 2022年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 分散3段階組立スケジューリング問題は,現実の組立生産工程において広範囲に存在して,ほとんど考慮しなかった。メタヒューリスティックによる強化学習の統合は,メタヒューリスティックの性能を効果的に改善し,効果的に問題を解決する。しかし,この統合は問題に対処するのにはほとんど使用されていない。本研究では,DPm→1レイアウトと3段階の保守による分散3段階組立スケジューリング問題を考察し,数学モデルを提供した。Q学習(QABC)を有する新しい人工ハチコロニーを,最大遅延を最小化するために提案する。有効Q学習アルゴリズムを,集団品質評価に基づく12の状態,グローバル探索と近隣探索によって定義される8つの行動,新しい報酬と効果的行動選択から成る探索オペレータを動的に選択するために実行した。2つの採用したハチ群を形成し,それらの間の適応通信と適応競争プロセスを採用して探索能力を強化し,探索効率を改善した。QABCとその4つの比較アルゴリズムを80例で試験した。計算結果により,QABCの新しい戦略は,その探索性能を改善し,QABCは,考察した問題に対する競合アルゴリズムであることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *スケジューリング ,  オペレータ ,  評価 ,  数学モデル ,  発見的方法 ,  通信 ,  捜索 ,  *保守管理 ,  生産工程 ,  *強化学習
準シソーラス用語： 品質評価 ,  Q学習 ,  ヒューリスティック ,  近隣探索 , 【Automatic Indexing@JST】

著者キーワード (5件)： 組立スケジューリング問題 ,  分散スケジューリング ,  人工蜂コロニー ,  Q学習 ,  メンテナンス

分類 (2件)： 人工知能  (JE08000Z) ,  工程管理  (KB03030P)

タイトルに関連する用語 (6件)： メンテナンス ,  組立 ,  スケジューリング ,  強化学習 ,  適応 ,  人工蜂コロニー