.png){kind=icon}
返回
A Dynamic Multi-Objective Optimization Algorithm for AGV Routing in Assembly Workshops
.png){kind=icon}
OA
AI
DOI：10.3390/app152011076.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究探讨了大规模设备制造中动态多目标车辆路径优化的复杂挑战，其中路径操作对经济绩效和环境可持续性均产生显著影响。我们开发了一种创新的动态多目标车辆路径问题（DMOVRP）模型，该模型独特地整合了三个竞争目标：环境影响降低、交货准时性和运营稳健性。所提出的算法结合了动态事件处理器与NSACOWDRL算法——一种具有动态事件处理能力的自适应多目标优化算法。所提出的系统通过专门的事件分类和动态重调度协议，具备处理实时中断的自适应机制。大量的计算实验表明，该算法在性能上具有优越性，使用Wilcoxon符号秩检验（p < 0.05，每个实例运行30次）证实了其统计显著改进，与现有方法相比，在HV、IGD和GD指标上分别实现了平均相对增益15.2%、12.8%和8.9%。本研究通过其可行性量化指标做出了理论贡献，并在路径调度系统方面实现了实践性进展。通过成功调和传统上相互冲突的目标，借助动态JIT调整和稳健性感知优化，本研究为制造商提供了一种适应不可预测车间条件并维持可持续运营的多功能决策支持工具。
Keyword:
dynamic vehicle routing problem
multi-objective vehicle routing problem
large equipment manufacturing
deep reinforcement learning
robust optimization
期刊
A
IF:
2.5
论文数:
7.6K
被引数:
4
机构
引用论文
.png){kind=icon}
分享收藏
Multiobjective evolutionary algorithms: A comparative case study and the Strength Pareto approach多目标进化算法: 比较案例研究和强度帕累托方法
PREAI
分享收藏分享收藏分享收藏
查看更多内容