一种基于序列到序列策略网络深度强化学习模型的多车协同装箱方法.pdfVIP

下载本文档

1
0
约2.92万字
约 27页
2023-10-28 发布于四川
举报
版权申诉

一种基于序列到序列策略网络深度强化学习模型的多车协同装箱方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明研究了仅有后货箱门的物流装车场景下的多车协同装箱问题中的货物的装载序列问题，这决定了车辆装载空间利用率的高低。在深度强化学习的基础上，首先，构建了基于Seq2Seq网络的序列模型，该模型通过结合双向LSTM模型和注意力机制分别构建编码器，解码器和注意力模块，从而求得所有待装载物品的装载概率。然后，通过构建的深度强化学习装箱框架得到了物品的装载策略，并由带有基线的策略梯度方法更新优化Seq2Seq策略网络，最终得到最优的装载策略。通过大量的实验证明，该方法与以往的研究相比，无论是在空间利用率

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116957437 A (43)申请公布日 2023.10.27 (21)申请号 202310858941.8 G06N 3/092 (2023.01) (22)申请日 2023.07.