深度强化学习求解作业调度问题方法研究

目录

声明

致谢

1 引言

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 作业车间调度问题的研究现状

1.2.2 机器学习算法在组合优化领域的研究现状

1.3 主要研究内容

1.4 论文组织框架

2 深度强化学习理论基础与研究现状

2.1 强化学习的理论知识

2.1.1 马尔科夫决策过程

2.1.2 基于值函数的强化学习算法

2.1.3 基于策略的强化学习算法

2.2 深度学习的研究现状

2.2.1 深度学习的基本概念

2.2.2 深度学习的研究现状

2.3 深度强化学习的研究现状

3 求解同顺序流水作业调度问题的行动者-评论家算法

3.1 问题描述及模型表示

3.2 指针网络

3.2.1 Seq2Seq模型

3.2.2 结合注意力机制的Seq2Seq模型

3.2.3 指针网络

3.2.4 指向机制

3.3 注意力网络

3.3.1 注意力机制

3.3.2 注意力网络

3.4 行动者-评论家算法

3.5 小结

4 基于异质网络的行动者-评论家算法

4.1 异质网络的行动者-评论家算法

4.2 行动者网络

4.2.1 网络结构

4.2.2 探索方法

4.3 评论家模型

4.4 2-opt算法

4.5 实验

4.5.1 实验数据

4.5.2 实验参数设置

4.5.3 实验结果分析

4.6 小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集