舉報 
會員
計算智能算法及其生產調度應用
最新章節：
內容簡介
本書選擇典型的流水車間調度、作業車間調度、分布式調度等問題作為研究背景，以強化學習、深度學習和其他智能算法為研究對象，開展復雜約束條件下的車間生產調度單目標或多目標問題研究。圍繞基于監督學習的序列模型、基于值函數逼近的深度強化學習算法、基于策略梯度的深度強化學習算法、改進的NSGA—Ⅱ算法、基于NASH—Q—learning的分布式算法展開論述，并將之分別應用到不同的生產調度場景。本書基于作者多年的研究成果和實踐經驗寫成，可供從事智能制造、人工智能、工業工程、企業管理等專業的研究人員閱讀，也可作為上述專業學生的研究、學習用參考書。
目錄(79章)
倒序
- 封面
- 版權頁
- 作者簡介
- 前言
- 第1章 緒論
- 1.1 研究背景和意義
- 1.2 車間生產調度問題及研究現狀
- 1.3 研究內容及目標
- 1.4 技術路線及創新點
- 第2章 概率推理
- 2.1 貝葉斯公式
- 2.2 概率圖模型
- 2.3 本章小結
- 第3章 樣本學習
- 3.1 決策樹
- 3.2 回 歸
- 3.3 支持向量機
- 3.4 非參數化學習
- 3.5 集成學習
- 3.6 無監督學習和半監督學習
- 3.7 本章小結
- 第4章 神經網絡和深度學習
- 4.1 深度前饋神經網絡
- 4.2 深度卷積神經網絡
- 4.3 深度循環神經網絡
- 4.4 深度自動編碼器
- 4.5 核函數方法深度學習
- 4.6 激活函數
- 4.7 本章小結
- 第5章 強化學習
- 5.1 馬爾可夫鏈蒙特卡洛方法
- 5.2 動態規劃
- 5.3 深度強化學習
- 5.4 本章小結
- 第6章 監督學習方式求解車間生產調度問題
- 6.1 引 言
- 6.2 問題描述
- 6.3 調度規則與樣本數據
- 6.4 自注意力模型
- 6.5 LSTM-PtrNets-CRF模型
- 6.6 實驗與結果分析
- 6.7 本章小結
- 第7章 值函數逼近算法求解車間生產調度問題
- 7.1 引 言
- 7.2 問題描述
- 7.3 狀態表示和動作構建
- 7.4 狀態與動作映射
- 7.5 獎勵函數與值函數計算
- 7.6 實驗與結果分析
- 7.7 本章小結
- 第8章 策略梯度算法求解車間生產調度問題
- 8.1 引 言
- 8.2 問題描述
- 8.3 注意力機制
- 8.4 模型框架
- 8.5 策略梯度優化方法
- 8.6 實驗與結果分析
- 8.7 本章小結
- 第9章 混合Q-learning算法求解多目標車間生產調度問題
- 9.1 引 言
- 9.2 問題描述及優化目標
- 9.3 改進NSGA-Ⅱ算法
- 9.4 路徑優化算法設計
- 9.5 強化學習避障策略
- 9.6 實驗與結果分析
- 9.7 本章小結
- 第10章 NASH-Q-learning算法求解分布式車間生產調度問題
- 10.1 引 言
- 10.2 問題描述
- 10.3 迭代貪婪算法
- 10.4 多智能體深度強化學習
- 10.5 多智能體平均場深度強化學習算法
- 10.6 實驗與結果分析
- 10.7 本章小結
- 第11章 總結與展望
- 11.1 全書總結
- 11.2 進一步的工作
- 參考文獻
- 內容簡介 更新時間：2024-06-28 19:12:56
推薦閱讀
- 大數據技術與應用基礎
- 32位嵌入式系統與SoC設計導論
- Machine Learning for Cybersecurity Cookbook
- 輕松學Java Web開發
- 圖形圖像處理（Photoshop）
- Zabbix Network Monitoring（Second Edition）
- 機器人創新實訓教程
- JSP從入門到精通
- 網絡安全管理實踐
- 單片機技術一學就會
- 悟透AutoCAD 2009案例自學手冊
- 在實戰中成長：Windows Forms開發之路
- 筆記本電腦電路分析與故障診斷
- Python文本分析
- 貫通Java Web輕量級應用開發
- 巧學活用Linux
- 電氣自動化工程師自學寶典（基礎篇）
- 軟件需求十步走
- 網絡工程師必讀：網絡安全系統設計
- 黑客攻防實戰編程
- 喬家大院里的女人與Photoshop創意設計
- 仿狗機器人的設計與制作
- 信息系統安全
- 工業機器人應用技術
- 計算機繪圖
- 粗糙關系數據庫
- 中國戰略性新興產業研究與發展·遠程設備智能維護
- Build Supercomputers with Raspberry Pi 3
- Hands-On Q-Learning with Python
- C++語言程序設計
