-
题名基于分层强化学习的在线三维装箱模型
- 1
-
-
作者
亓明凯
王迪
张立晔
-
机构
山东理工大学计算机科学与技术学院
-
出处
《计算机工程》
北大核心
2025年第6期136-145,共10页
-
基金
山东省自然科学基金(ZR2023MF015)。
-
文摘
在过去的一些研究中,人工智能如何以一种分层的方式在多个抽象级别和多个时间尺度上表示感知和行动规划逐渐成为一个研究热点。受限于技术手段,多数工作都局限在人工分解任务阶段,如在三维装箱问题(3D-BPP)中,通过启发式规则指导神经网络解析打包点帮助智能体分解状态空间,将原本庞大、复杂的空间转换为一个个子空间,为神经网络提供更好的备选解决方案。然而这种方式受限于规则本身,若规则不能完美地拆解问题,则这种固定规则的辅助会限制神经网络的性能,使得更好的解决方案被规则本身忽略。针对这种情况,提出一种基于启发式规则融合策略的改进装箱配置树(PCT)模型,通过分层强化学习的思想将问题分层,引入图注意力分类模型来判断在当前情况下最优的空间点拓展方案,由此为拆解箱体内部空间点与探寻可行性位置提供更多的排列组合方式。实验结果表明,基于启发式规则融合策略的改进模型在多个数据集上表现优于原始模型,在包含额外密度信息的数据集中平均装箱利用率高达77.2%,较原始模型提升1.7百分点,能够在合理的时间内给出性能更优的解决方案。
-
关键词
分层强化学习
三维装箱
图注意力网络
启发式空间拓展
深度强化学习
-
Keywords
hierarchical reinforcement learning
3D bin packing
Graph Attention Network(GAT)
heuristic space expansion
deep reinforcement learning
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于HEDT的移动机器人路径规划算法
被引量：1
- 2
-
-
作者
柳长安
王兴博
程文刚
魏振华
-
机构
华北电力大学计算机科学与技术学院
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2008年第10期1973-1976,F0003,共5页
-
基金
国家自然科学基金(60775058)
教育部科学技术研究重点项目基金(107028)资助课题
-
文摘
移动机器人在未知的、动态的环境中进行路径规划必须考虑到环境地图构建的不完备性和算法的实时性。针对这种情况,提出了一种基于启发式拓展距离转化的移动机器人路径规划算法。算法在未知的环境中,通过启发信息和实时探测静止或移动的障碍物信息构建不完备的栅格地图,对移动的障碍物采用延后处理策略,实时地搜索最优路径并驱动机器人运动到目标点。当发生下降阻碍时,则仅对需要的范围传播权值变更信息。算法适用于大范围的时变环境,并具有良好的收敛性。仿真实验验证了算法可行性和正确性。
-
关键词
移动机器人
路径规划
未知动态环境
启发式拓展距离转化
-
Keywords
mobile robot, path planning
unknown dynamic environment
heuristic-exploring distance transform
-
分类号
TP24
[自动化与计算机技术—检测技术与自动化装置]
-
