首页> 中文学位 >基于机器学习的多任务多设备匹配算法研究
【6h】

基于机器学习的多任务多设备匹配算法研究

代理获取

目录

声明

摘要

1.1课题研究背景

1.2课题研究的目的和意义

1.3 国内外研究现状

1.3.1 多任务多设备匹配问题研究现状

1.3.2集疏运调度现状

1.4本文研究内容及章节安排

第二章集疏运调度分析和建模

2.1集疏运系统概述

2.1.1集疏运体系布局

2.1.2集疏运流程管理

2.1.3常见的任务类型

2.2多任务多设备匹配问题分析

2.2.1多任务多设备匹配问题描述

2.2.2任务批次与车队匹配问题

2.2.3具体任务与车辆匹配问题

2.3 基于机器学习的任务设备匹配模型

2.4小结

第三章基于决策树的任务设备匹配算法

3.1决策树算法介绍

3.1.1决策树模型

3.1.2决策树生成算法

3.2 集疏运任务批次与车队决策树

3.2.1任务批次特征分析与选择

3.2.2车队调度决策树生成

3.2.3港口实例应用

3.3小结

第四章基于神经网络的任务设备匹配算法

4.1神经网络算法介绍

4.1.1神经网络概述

4.1.2 Hopfield神经网络介绍

4.2神经网络求解任务集卡匹配问题

4.2.1任务批次数据预处理

4.2.2 Hopfield神经网络求解

4.2.3港口实例应用

4.3小结

第五章集疏运仿真调度算法设计与实现

5.1仿真系统搭建

5.1.1系统架构

5.1.2流程框图

5.2仿真系统流程模拟

5.2.1装卸机械过程模拟

5.2.2集卡作业模拟

5.2.3任务发布与监控模拟

5.3仿真系统实现与验证

5.3.1仿真界面显示

5.3.2仿真结果比较

5.4小结

第六章总结与展望

6.1本文主要研究内容

6.2研究工作展望

参考文献

致谢

作者简历

攻读学位期间参加的科研项目

展开▼

著录项

  • 作者

    吴栋;

  • 作者单位

    浙江大学;

  • 授予单位 浙江大学;
  • 学科 控制科学与工程
  • 授予学位 硕士
  • 导师姓名 张泉灵,吴维敏;
  • 年度 2019
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 中文
  • 中图分类
  • 关键词

    机器学习; 多任务; 设备; 匹配;

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

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