研究人员开发了一个名为SWRL（基于滑动窗口的强化学习）的新框架，以解决动态装配流水车间调度的复杂问题。该方法使用基于图的马尔可夫决策过程来模拟多产品套件交付，由于动态订单到达和作业分配的变化，这给实时调度带来了挑战。SWRL包含一个滑动窗口机制来过滤不相关的操作，一个时空图网络来跟踪瓶颈转移，以及一个动态动作模块来适应不断变化的动作空间。使用一家家电制造商的数据进行的实验表明，与传统方法和现有的深度强化学习技术相比，SWRL显著降低了延迟，并在各种资源和订单配置中表现出稳健的性能。 AI
影响 为优化复杂的制造调度问题引入了一种新颖的强化学习方法。
排序理由 学术论文，详细介绍了针对特定调度问题的创新强化学习框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
