基于機器學(xué)習(xí)的多載量小車實時調(diào)度方法研究.pdf

1、考慮到在制造環(huán)境中產(chǎn)品配比以及調(diào)度目標(biāo)權(quán)重對物料搬運調(diào)度的重要影響,而且它們都可能隨著時間發(fā)生變化,本文重點研究了在產(chǎn)品配比和調(diào)度目標(biāo)權(quán)重可變的動態(tài)環(huán)境中的多載量小車實時調(diào)度問題。本文的主要內(nèi)容包括:
　　1.針對產(chǎn)品配比和調(diào)度目標(biāo)權(quán)重可變的動態(tài)環(huán)境中的多載量小車實時調(diào)度問題建立數(shù)學(xué)模型?？紤]到該調(diào)度問題的復(fù)雜性,為了實現(xiàn)實時調(diào)度,根據(jù)汽車裝配線中使用牽引送料車進(jìn)行物料搬運的調(diào)度決策過程,將調(diào)度問題劃分為四個決策子問題:物料搬運任

2、務(wù)生成問題、派遣決策問題、物料搬運任務(wù)選擇問題以及排序問題。
　　2.由于無法在產(chǎn)品配比與調(diào)度目標(biāo)權(quán)重可變的動態(tài)環(huán)境中找到全局最優(yōu)的調(diào)度規(guī)則,本文結(jié)合知識庫與人工神經(jīng)網(wǎng)絡(luò),針對派遣決策問題、物料搬運任務(wù)選擇問題以及排序問題提出調(diào)度規(guī)則選取方法。通過仿真建立了一個知識庫,存儲特定產(chǎn)品配比和調(diào)度規(guī)則對應(yīng)的調(diào)度性能。在定義產(chǎn)品配比相似度的基礎(chǔ)上,提出基于人工神經(jīng)網(wǎng)絡(luò)的產(chǎn)品配比匹配方法,用于在知識庫中尋找與給定產(chǎn)品配比最相似的產(chǎn)品配比。通

3、過結(jié)合知識庫與人工神經(jīng)網(wǎng)絡(luò),能夠?qū)θ我饨o定的產(chǎn)品配比與調(diào)度目標(biāo)權(quán)重,在備選調(diào)度規(guī)則集中選擇最優(yōu)調(diào)度規(guī)則。與利用機器學(xué)習(xí)方法預(yù)測調(diào)度性能并以此為基準(zhǔn)對比和選擇調(diào)度規(guī)則的方法相比,這種方法對人工神經(jīng)網(wǎng)絡(luò)的預(yù)測精度要求較低。基于實際案例的仿真實驗驗證了這種方法的有效性,并說明了它能夠適應(yīng)環(huán)境的動態(tài)變化。
　　3.考慮到現(xiàn)有派遣規(guī)則無法動態(tài)地響應(yīng)系統(tǒng)的實時搬運需求,而且不能根據(jù)環(huán)境的變化調(diào)整其調(diào)度策略這一缺點,鑒于多載量小車的派遣決策問題

4、與數(shù)據(jù)分類問題的相似性,提出基于支持向量機數(shù)據(jù)分類的多載量小車實時派遣決策方法,通過使用支持向量機對系統(tǒng)的實時狀態(tài)進(jìn)行分類的方式解決多載量小車的實時派遣問題。詳細(xì)定義了需要分類的實時狀態(tài)以及決策過程中的決策點,并提出一個確定樣本分類的遞歸算法,用以確定支持向量機訓(xùn)練樣本的分類。與現(xiàn)有的方法相比,基于支持向量機數(shù)據(jù)分類的派遣決策方法能夠通過機器學(xué)習(xí),確定系統(tǒng)的實時狀態(tài)所對應(yīng)的最優(yōu)派遣決策。在產(chǎn)品配比或調(diào)度目標(biāo)權(quán)重等環(huán)境因素變動時,它可調(diào)整

5、策略,適應(yīng)環(huán)境的變化。本文通過仿真說明了這種方法的可行性與有效性。
　　4.為了進(jìn)一步提高調(diào)度性能,綜合考慮前面兩種方法的優(yōu)缺點,提出了結(jié)合調(diào)度規(guī)則選取方法和強化學(xué)習(xí)的多載量小車實時調(diào)度方法。其中,針對物料搬運任務(wù)生成問題,在利用前瞻信息更精確地預(yù)計庫存可用時間的基礎(chǔ)上,提出基于前瞻信息的動態(tài)再訂購點法。而為了同時考慮已有的以及尚未生成的物料搬運任務(wù),提出一個啟發(fā)式的物料搬運任務(wù)選擇及排序算法。在此基礎(chǔ)上,通過定義系統(tǒng)狀態(tài)、動作以