龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：重庆大学
摘要：本发明属于宏观工艺决策技术领域，尤其涉及一种基于深度强化学习与注意力机制的宏观工艺决策方法，包括：S1、通过聚合决策图G对MPP实例进行图表示；S2、使用特征提取网络，将聚合决策图Gt的节点原始动静态特征沿着Gt的拓扑结构信息映射到Embedding空间S3、基于聚合决策的马尔可夫过程来形式化MPP问题，将MPP问题转化为一个四元组S,A,P,R马尔科夫决策过程；S4、以所有工件的最小化完工时间为决策目标，对S3的马尔科夫决策过程进行求解；S5、使用S3得到的宏观工艺决策进行实际加工。本方法可以在将DRL应用于MPP问题时，综合考虑对工序、设备和刀具之间复杂的约束和关系，在充分提取MPP问题状态信息的基础上实现高效决策，成为目前亟待解决的问题。
主权项：1.一种基于深度强化学习与注意力机制的宏观工艺决策方法，其特征在于，包括以下步骤：S1、通过聚合决策图G对MPP实例进行图表示，一个MPP实例包括包含n个零件、m个设备和k个刀具；聚合决策图G由多个节点以及节点之间的有向边组成；其中，节点oijmk表示工序oij的使用设备m和刀具k的一种可行加工方案；S2、使用特征提取网络，将聚合决策图Gt的节点原始动静态特征沿着Gt的拓扑结构信息映射到Embedding空间得到状态空间；S3、基于聚合决策的马尔可夫过程来形式化MPP问题，将MPP问题转化为一个四元组S,A,P,R马尔科夫决策过程，其中，S表示状态空间，A表示动作空间，P:＝ps’|s,a表示在状态s下采取动作a的状态转移分布，R：＝rs,a表示在状态s下采取动作a所能获得的立即奖励；其中，每个决策步动作a∈A为图G一个可行的节点oijmk；S4、以所有工件的最小化完工时间为决策目标，对S3的马尔科夫决策过程进行求解；在每个决策步中，通过具有参数化策略πθ的DRLagent根据当前状态s，采取动作a,表示为πθa|s；之后，状态s沿着状态转移函数ps’|s,a转移到下一状态s’；持续上述过程，直到所有工序加工完成，得到宏观工艺决策方案；S5、使用S3得到的宏观工艺决策进行实际加工。
全文数据：
权利要求：
百度查询： 重庆大学 一种基于深度强化学习与注意力机制的宏观工艺决策方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号