.png){kind=icon}
返回
Solving quay wall allocation problems based on deep reinforcement learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2025.110598.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
码头墙和干船坞是造船厂的关键生产资源。传统上，码头墙对于建造常规船舶（如油轮和集装箱船）而言并非瓶颈资源。然而，对需要更复杂后期舾装作业的高附加值船舶的需求不断增长，增加了码头墙的工作负荷。因此，高效码头墙分配的重要性显著提升，以改善整体生产效率并确保船舶按时交付。本研究将码头墙分配问题建模为柔性作业车间调度问题，并纳入设备偏好和抢占条件。值得注意的是，干船坞建造过程中延迟导致的船舶下水日期不确定性被纳入调度问题考虑。为解决动态码头墙分配问题，本研究开发了一种基于深度强化学习的动态码头墙分配算法，该算法根据码头墙的工作状态和舾装作业进度自适应地将船舶分配至码头墙。为此，提出了一种新型马尔可夫决策过程，其中设计了一种由异构图和辅助矩阵组成的复合状态表示，以捕捉码头墙与舾装作业之间的复杂关系。此外，定义了扩展的调度动作空间，纳入了作业中断，能够有效利用抢占条件以提升调度性能。通过基于真实造船厂数据生成的测试实例并在各种环境条件下进行的广泛数值实验评估了所提算法的性能。实验结果表明，所提算法始终优于传统的基于规则的启发式算法，并展现出比遗传编程更优越的可扩展性，使其成为大规模码头墙分配问题的有前景的解决方案。
Keyword:
Deep reinforcement learning
Heterogeneous graph
Flexible job-shop scheduling problem
Post-stage outfitting process
Shipbuilding
期刊
IF:
8
论文数:
5.6K
被引数:
3.5W
机构
引用论文
A Reinforcement Learning Approach for Flexible Job Shop Scheduling Problem With Crane Transportation and Setup Times具有起重机运输和设置时间的柔性作业车间调度问题的强化学习方法
.png){kind=icon}
PREAI
分享收藏Deep reinforcement learning for dynamic flexible job shop scheduling problem considering variable processing times考虑加工时间变化的动态柔性作业车间调度问题的深度强化学习
PREAI
分享收藏Dynamic scheduling for flexible job shop with new job insertions by deep reinforcement learning基于深度强化学习的新作业插入柔性作业车间动态调度
PREAI
分享收藏Ship Production Planning Using Shipbuilding System Modeling and Discrete Time Process Simulation船舶生产计划：基于造船系统建模和离散时间过程仿真
OAAI
OAAI分享收藏Flexible Job-Shop Scheduling via Graph Neural Network and Deep Reinforcement Learning基于图神经网络和深度强化学习的柔性作业车间调度OAAI
OAAI分享收藏
查看更多内容