.png){kind=icon}
返回
Learning-based hybrid algorithms for container relocation problem with storage plan
.png){kind=icon}
PRE
AI
DOI：10.1016/j.tre.2025.104048.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
集装箱移位在码头中构成挑战，突显了有效策略对维持高效货物流动的重要性。本文通过整合精确算法与强化学习，解决带有存储计划的集装箱移位问题（CRPSP）。我们采用混合整数规划模型对该问题进行建模，并运用A*算法生成最优解。随后，我们设计了一个带有注意力机制的强化学习PPO模型。一项关键贡献是设计了基于A*算法下界评估函数的奖励机制，该机制显著加速了强化学习模型的收敛。此外，集成学习技术（具体为Stacking）首次用于基于最优解整合多个强化学习模型。数值实验表明，该方法在收敛速度和鲁棒性方面均取得显著提升，凸显了将运筹学方法与机器学习相结合以应对复杂NP难问题的潜力。
Keyword:
Container relocation
Reinforcement learning
A* algorithm
Reward mechanism
Ensemble learning