.png){kind=icon}
返回
Learning and knowledge-guided evolutionary algorithm for the large-scale buffer allocation problem in production lines
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cie.2025.111002.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大规模缓冲区分配问题（LBAP）在生产线中构成了一个重要的优化挑战，其核心在于对有限的临时存储区域进行高效分配。先前的研究主要采用动态规划、搜索算法和元启发式算法来解决LBAP。然而，这些方法在应用于大规模场景时往往具有问题特定性且效率低下。因此，迫切需要研究超越现有方法的创新算法。本文提出了一种新颖的学习和知识引导的进化算法，专门用于生产线中的LBAP。所提出的算法开发了一种自适应遗传算法和一种变邻域搜索算法，并融入了基于模拟退火的方法。采用在线Q学习算法动态选择上述两种算法中更有效的一种进行解更新，而基于模拟退火的策略则调控这些更新解的接受。此外，该算法动态调整交叉、变异和抖动率以适应邻域结构，并利用先前更新经验中获得的冲突知识来指导搜索过程，从而提升解的质量和计算效率。数值结果表明，所提出的算法在解决LBAP方面优于现有最先进的方法。此外，经验性的消融研究显示，知识引导方法通过排除低价值解来高效探索有前景的解区域，而学习引导方法通过选择最优策略有效生成改进解。该算法显著推动了大规模系统中的动态生产资源分配。
Keyword:
Buffer allocation
Large-scale
Evolutionary algorithm
Learning-guided
Knowledge-guided
期刊
IF:
6.5
论文数:
1.0W
被引数:
3.8W
机构
引用论文
A parallel tabu search for solving the primal buffer allocation problem in serial production systems
OAAI
OAAI分享收藏Economic and Energetic Performance Evaluation of Unreliable Production Lines: An Integrated Analytical Approach.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏Product-Service System (PSS) for Inventory Control: Analysis Using Delmia QUEST Simulation Modelling Based on the Production Line面向库存控制的 ProductService System (PSS) 研究：基于生产线并利用 Delmia QUEST 仿真建模的分析
PREAI
分享收藏Energy-efficient buffer and service rate allocation in manufacturing systems using hybrid machine learning and evolutionary algorithms使用混合机器学习和进化算法在制造系统中实现高能效的缓冲区和服务速率分配
PREAI
分享收藏
查看更多内容