同顺序Flow-shop问题的一种遗传强化学习算法

被引：10

作者：

潘燕春 ^{[1
]}

周泓 ^{[2
]}

冯允成 ^{[2
]}

魏佳呈 ^{[2
]}

机构：

[1] 深圳大学管理学院

[2] 北京航空航天大学经济管理学院

来源：

系统工程理论与实践 | 2007年 / 09期

基金：

高等学校博士学科点专项科研基金;

关键词：

Flow-shop; 遗传算法; 强化学习; 自适应;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对Flow-shop排序问题的固有复杂性,设计了一种遗传强化学习算法.首先,引入状态变量和行动变量,把组合优化的排序问题转换成序贯决策问题加以解决;其次,设计了一个Q-学习算法和基于组合算子的遗传算法相集成,遗传算法利用染色体的优良模式及其适应值信息来指导智能体的学习过程,提高学习效率和效果,强化学习则对染色体进行局部优化进而改良遗传群体,二者有机结合共同解决Flow-shop排序问题;再次,提出了多种适应性策略,使算法关键参数能够周期性递变,以更好地在深度搜索和广度搜索之间均衡;最后,仿真优化实验结果验证了该算法的有效性.

引用

页码：115 / 122

页数：8

共 7 条

[1]

基于多Agent的敏捷生产调度中的协商策略 [J].