.png){kind=icon}
返回
Neural-Driven Constructive Heuristic for 2D Robotic Bin Packing Problem
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14101956.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究针对机器人装箱背景下的二维弱同质性装箱问题（2D-BPP），其中物品必须以适合机器人操作的方式进行排列。针对这一NP难问题，传统启发式方法在多样化数据集上往往缺乏适应性，而元启发式方法通常收敛缓慢。为克服这些局限性，我们提出了一种新颖的神经驱动构造性启发式方法。该方法采用一个由简单前馈神经网络组成的种群，并通过协方差矩阵自适应进化策略（CMA-ES）的黑箱优化进行训练。训练得到的神经网络能够在构造性启发式过程中动态评分候选放置方案。与常规启发式方法不同，该方法无需依赖预定义规则，即可适应实例特定的特征。在由2DCPackGen生成和真实物流场景的数据集上进行评估，所提方法在各类物品类型和需求范围内均能持续优于MaxRects和Skyline等基准启发式方法，减少了所需箱子的平均数量。在复杂实例中效果最为显著，多达86%的2DCPackGen案例取得了更优结果。该启发式方法为算法选择问题提供了一种灵活且极快的、数据驱动的解决方案，在避免基于强化学习方法可扩展性问题的同时，展示了其在组合优化中更广泛应用的鲁棒性与潜力。
Keyword:
bin packing problem
cutting stock problem
robotic packing
constructive heuristic
neural networks
black-box optimization
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
引用论文
Hybrid Heuristic Algorithm Based On Improved Rules & Reinforcement Learning for 2D Strip Packing Problem.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Optimal Linear Combination of Heuristic Strategies for 2D Rectangular Bin Packing Algorithms2D矩形装箱算法中启发式策略的最优线性组合
PREAI
分享收藏Mixed-Criticality Traffic Scheduling in Time-Sensitive Networking Using Multiple Combinatorial Packing Based on Free Time Domain基于自由时间域的多组合装箱方法的时敏网络中混合关键性交通调度ElectronicsOAAI
ElectronicsIF0
OAAI分享收藏分享收藏
查看更多内容