Q-learning-based hyper-heuristic algorithm for open dimension irregular packing problems

Yongchun Wang

doi:10.1016/j.cor.2025.107279

Q-learning-based hyper-heuristic algorithm for open dimension irregular packing problems

2025-09-10

0

PRE

AI

DOI：10.1016/j.cor.2025.107279

原文链接

摘要

En 中文

启发式方法为解决二维不规则装箱问题提供了一个计算效率高的框架，特别是在资源受限的工业环境中。作为一种典型的组合优化问题，不规则装箱问题随着工件数量的增加而呈现出计算复杂度的指数增长，同时由于工件间的几何形状差异，解空间会动态重构。尽管启发式算法能够在可接受的时间范围内生成可行布局，但其依赖固定搜索规则的特性限制了其对多样化场景的适应性，因此需要更灵活的方法。本文提出了一种基于Q-Learning的元启发式算法，用于解决开放维度装箱问题，包括单开放维度和双开放维度问题。采用Q-Learning作为高层策略，是因为其能够通过基于奖励驱动的经验积累来优化底层启发式的选择。该方法结合了混合编码方法进行解表示、四种专业化的底层启发式算子、线性种群衰减机制以及精英保留策略，以平衡探索-利用关系。Q-Learning控制器通过基于Bellman方程更新Q表来动态选择算子。将所提出的算法与通用数据集中的先进算法进行比较。结果表明，本方法具有更好的性能和适用性。

Q-learning-based hyper-heuristic algorithm for open dimension irregular packing problems

摘要

期刊

机构

引用论文