發(fā)布時間：2023-06-06 19:15

　　裝箱的順序?qū)μ嵘b載的空間利用率,降低企業(yè)成本具有重要的現(xiàn)實應用意義。但是在相關(guān)的研究工作中,學者們更注重對傳統(tǒng)三維裝箱問題的研究,主要通過計算物品的擺放策略,從而提升裝載空間的占用率。而在物流的多車協(xié)同裝載過程中,裝載空間占用率主要取決于貨物的裝載順序,但是在當前的研究中,學者們對協(xié)同車輛裝箱問題的貨物裝載順序的合理性缺乏針對性的研究。因此,本文從物品裝載順序優(yōu)化的角度,通過建立深度強化學習模型,對協(xié)同多車裝載過程中的裝載順序優(yōu)化問題展開針對性的研究。因此,本文提出了一種基于深度強化學習的裝箱順序優(yōu)化框架。在深度強化學習的裝箱順序優(yōu)化框架的基礎上,本文嘗試構(gòu)建了基于Transformer的深度強化學習網(wǎng)絡模型。首先,通過Transformer的神經(jīng)網(wǎng)絡計算物品裝載概率信息與物品裝載的位置序列信息;其次,提出了基于分層思想的裝載策略,明確物品的裝載方式和擺放朝向;最后,使用帶有baseline的策略梯度的強化學習方法改善Transformer的神經(jīng)網(wǎng)絡模型,優(yōu)化輸出的貨物裝載順序。結(jié)果表明,提出的Transformer的深度強化學習模型可以在較短的時間內(nèi)獲得與隨機搜索算法相同水平的裝載...

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 裝箱問題的確定性算法研究現(xiàn)狀
        1.2.2 裝箱問題的啟發(fā)式算法研究現(xiàn)狀
        1.2.3 裝箱問題的機器學習算法研究現(xiàn)狀
    1.3 主要的研究內(nèi)容
    1.4 論文的結(jié)構(gòu)安排
第2章 裝箱問題的理論基礎
    2.1 物流車輛裝箱問題的定義
        2.1.1 問題定義
        2.1.2 約束定義
    2.2 深度學習
        2.2.1 編碼器-解碼器
        2.2.2 注意力機制
        2.2.3 自注意力機制
    2.3 強化學習
    2.4 本章小結(jié)
第3章 基于Transformer的深度強化學習模型
    3.1 基于深度強化學習的裝箱順序優(yōu)化模型
        3.1.1 基于深度強化學習的裝箱順序優(yōu)化框架
        3.1.2 基于Transformer的網(wǎng)絡模型
        3.1.3 裝箱順序優(yōu)化策略
        3.1.4 裝箱物品擺放策略
        3.1.5 協(xié)同車輛裝載算法
    3.2 模型的實驗結(jié)果與分析
        3.2.1 裝載空間占用率分析
        3.2.2 模型運行時間分析
    3.3 本章小結(jié)
第4章 基于雙向循環(huán)神經(jīng)網(wǎng)絡的深度強化學習模型
    4.1 基于雙向循環(huán)神經(jīng)網(wǎng)絡的Seq2Seq網(wǎng)絡模型
        4.1.1 基于Bi-LSTM的 Seq2Seq網(wǎng)絡模型
        4.1.2 基于Bi-GRU的 Seq2Seq網(wǎng)絡模型
    4.2 模型的實驗結(jié)果與分析
        4.2.1 裝載空間占用率對比分析
        4.2.2 運行時間對比分析
        4.2.3 模型泛化能力分析
        4.2.4 消融實驗分析
    4.3 本章小結(jié)
結(jié)論與展望
參考文獻
致謝
個人簡歷、在學期間發(fā)表的學術(shù)論文及研究成果



本文編號：3832051