.png){kind=icon}
返回
A large neighborhood search algorithm based on Q-learning for multi-container loading problem
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.126429.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多容器装载问题是由制造和物流行业普遍面临的一个实际问题。解决该问题能够有效提高运输效率并降低物流成本。在当前生产过程中，物品和容器的强异质性以及大规模订单给装载方案生成带来了显著挑战。本研究提出了一种启发式装箱算法和一种新颖的基于Q学习的邻域搜索（QLNS）算法，以在可接受的时间内解决该问题。具体而言，物品根据启发式装箱算法被选择并装入容器中，并设计了尾装箱策略以优化最终装箱阶段的容器选择标准。QLNS算法被提出用于改进启发式装箱算法生成的初始装载方案。与传统的随机或自适应选择算子的方法不同，该算法设计了三个特征作为方案的状态，并在训练代理的指导下选择一对破坏-修复算子。与其他两种方法相比，该方法更有针对性地改进装载方案。此外，引入了优先经验回放机制以协助代理的训练。在真实实例上的实验表明，本算法能够在规定时间内为不同规模的物品获得满意的装载方案，并且优于其他现有邻域搜索算法。
Keyword:
Multi-container loading
Q-learning
Large neighborhood search
Heuristic packing algorithm
Average loading rate
期刊
IF:
7.5
论文数:
2.9W
被引数:
10.2W
机构
引用论文
A variable neighborhood search algorithm for the bin packing problem with compatible categories
PREAI
分享收藏Hybridizations of evolutionary algorithms with Large Neighborhood Search.png)
COMPUTER SCIENCE REVIEW
COMPUTER SCIENCE REVIEWIF12.7
PREAI
分享收藏Learning to Solve 3-D Bin Packing Problem via Deep Reinforcement Learning and Constraint Programming通过深度强化学习和约束编程学习解决3-D装箱问题
PREAI
分享收藏The six elements to block-building approaches for the single container loading problemAPPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容