.png){kind=icon}
返回
An Adaptive Sampling Method for Parallel Simulation-based Optimization in Automated Material Handling Systems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.simpat.2026.103354.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
半导体和显示制造设施中的自动化物料搬运系统（AMHS）通过车辆管理材料流，对跨多个生产步骤提升生产力至关重要。AMHS车辆管理通常被表述为基于仿真的优化（SBO）问题，因其复杂的操作逻辑和随机系统动态。然而，实际的SBO计算密集，因为可靠的性能评估需要每个候选解进行多次重复，而穷尽探索在有限的计算预算下不可行。为解决这些挑战，本研究提出了一种具有自适应采样的并行SBO框架。该框架采用基于决策树的自适应采样（DTAS）来聚焦于高潜力区域，并根据输出变异性动态分配重复次数。此外，还整合了带重复再平衡的并行评估，以充分利用计算资源并减少总计算时间。仿真实验表明，所提出的算法在空闲车辆重新定位问题中，将交付时间和计算时间分别减少了7.05%和35.71%；在车辆设计问题中，分别减少了4.24%和15.53%，相对于基准算法。
Keyword:
Automated material handling system
Simulation-based optimization
Adaptive sampling
Parallel computing
Decision tree
期刊
IF:
4.6
论文数:
2.6K
被引数:
4.8K
机构
引用论文
暂无论文信息