• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Procedia CIRP >A reinforcement learning model for material handling task assignment and route planning in dynamic production logistics environment
【24h】

A reinforcement learning model for material handling task assignment and route planning in dynamic production logistics environment

机译：动态生产物流环境中材料处理任务分配和路径规划的加固学习模型

获取原文
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The study analyzes the application of reinforcement learning (RL) for material handling tasks in Smart Production Logistics (SPL). It presents two contributions based on empirical results of a RL model in dynamic production logistics environment from the automotive industry. Firstly, an architecture integrating the use of RL in SPL. Secondly, the study defines various elements of RL (environment, value, state, reward, and policy) relevant for training and validating models in SPL. The study provides novel insight essential for manufacturing managers and extends current understanding related to research combining artificial intelligence and SPL, granting manufacturing companies a unique competitive advantage.
机译：该研究分析了智能生产物流中材料处理任务的加固学习（RL）的应用。 它基于汽车行业动态生产物流环境中RL模型的实证结果提出了两项贡献。 首先，将rl与spl中的使用集成的架构。 其次，该研究定义了与SPL中的培训和验证模型相关的RL（环境，价值，状态，奖励和政策）的各种元素。 该研究为制造管理人员提供了新的洞察力，并扩展了与人工智能和SPL相关的研究相关的当前了解，使制造公司具有独特的竞争优势。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号