.png){kind=icon}
返回
Deep Reinforcement Learning for a Multi-Objective Online Order Batching Problem
.png){kind=icon}
OA
AI
DOI：10.1609/icaps.v32i1.19829.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准时交付和低服务成本是仓储运营中的两个重要绩效指标。本文提出了一种基于深度强化学习（DRL）的方法，用于解决在线订单批量与排序问题（OBSP），以优化这两个目标。为了学习如何平衡两个目标之间的权衡，我们引入了一种贝叶斯优化框架来塑造DRL智能体的奖励函数，从而使学习对这两个目标的影响能够适应不同的环境。我们将该方法与几种启发式算法进行比较，使用的测试案例为现实世界规模的问题实例，其中每小时动态到达的订单数以千计。我们证明，结合贝叶斯优化的近端策略优化（PPO）算法在所有测试场景中，在两个目标上都优于启发式算法。此外，它在不同场景下为奖励函数的各组成部分找到了不同的权重，表明其具备学习如何在不同环境下设置两个目标重要性的能力。我们还对学习到的DRL智能体进行了策略分析，使用决策树推断决策规则，以增强DRL方法的可解释性。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息