基于增強學習的制造系統(tǒng)調(diào)度

前言
第1章 緒論
1．1 增強學習基本原理
1．1．1 馬爾可夫決策過程
1．1．2 增強學習系統(tǒng)
1．1．3 增強學習算法的分類與發(fā)展概述
1．2 增強學習算法應用引例——最短路問題
1．3 增強學習算法在調(diào)度領域的應用研究
1．4 本書組織結(jié)構(gòu)
第2章 增強學習算法
2．1 經(jīng)典的增強學習算法
2．1．1 TD／TD(λ)學習算法
2．1．2 Q學習
2．1．3 Sarsa算法
2．1．4 R學習
2．2 Sarsa(λ，k)算法
2．2．1 Sarsa(λ，k)算法的基本原理
2．2．2 前視與后視Sarsa(λ，k)算法
2．2．3 Sarsa(λ，k)算法的性質(zhì)
2．3 SMDP型Sarsa(λ，k)算法
2．4 多維行為的增強學習算法
2．5 一種自適應步長的增強學習算法
第3章 流水車間調(diào)度問題
3．1 問題描述
3．2 流水車間調(diào)度問題的增強學習模型
3．2．1 系統(tǒng)狀態(tài)表示
3．2．2 行為
3．2．3 報酬函數(shù)
3．3 結(jié)合線性函數(shù)泛化器的TD(λ)算法及實驗結(jié)果
3．3．1 結(jié)合線性函數(shù)泛化器的TD(λ)算法
3．3．2 實驗結(jié)果
第4章 平行機調(diào)度問題
4．1 最小化加權(quán)平均流程時間的離線平行機調(diào)度
4．1．1 問題描述
4．1．2 增強學習模型
4．1．3 實驗結(jié)果
4．2 最小化加權(quán)平均誤工時間的離線平行機調(diào)度
4．2．1 問題描述
4．2．2 增強學習建模
4．2．3 實驗結(jié)果
4．3 最小化加權(quán)平均流程時間的在線平行機調(diào)度
4．3．1 問題描述
4．3．2 增強學習模型
4．3．3 實驗結(jié)果
4．4 最小化加權(quán)平均誤工時間的在線平行機調(diào)度
4．4．1 問題描述
4．4．2 增強學習模型
4．4．3 求解變速機調(diào)度問題的R學習
4．4．4 實驗結(jié)果
第5章 半導體測試調(diào)度問題
5．1 半導體測試調(diào)度問題描述
5．2 關(guān)于半導體測試調(diào)度的研究
5．2．1 附加資源充足的半導體測試調(diào)度
5．2．2 附加資源受限的半導體測試調(diào)度
5．2．3 和半導體測試調(diào)度相關(guān)的調(diào)度問題
5．2．4 小結(jié)
5．3 整數(shù)規(guī)劃模型
5．3．1 符號定義
5．3．2 決策變量
5．3．3 目標函數(shù)和約束
5．3．4 問題性質(zhì)分析
5．4 半導體測試調(diào)度問題的增強學習模型
5．4．1 狀態(tài)變量及狀態(tài)轉(zhuǎn)移機制
5．4．2 行為
5．4．3 報酬函數(shù)
5．5 結(jié)合函數(shù)泛化器的Sarsa(λ，k)算法
5．5．1 徑向基神經(jīng)網(wǎng)絡函數(shù)泛化器
5．5．2 神經(jīng)網(wǎng)絡的構(gòu)造
5．5．3 函數(shù)泛化器的權(quán)重更新法則
5．5．4 結(jié)合徑向基神經(jīng)網(wǎng)絡函數(shù)泛化器的Sarsa(λ，k)算法
5．6 演示算例
5．7 參數(shù)設置與函數(shù)泛化器性能分析
5．7．1 行為選擇
5．7．2 參數(shù)設置
5．7．3 函數(shù)泛化器性能分析
5．8 半導體測試調(diào)度實驗結(jié)果與分析
5．8．1 與工業(yè)方法及各行為策略對比
5．8．2 與其他增強學習算法對比
5．8．3 與能力約束調(diào)度方法對比
5．9 討論
5．10 可重構(gòu)制造系統(tǒng)調(diào)度
5．10．1 具有可重構(gòu)特性的調(diào)度系統(tǒng)機制
5．10．2 增強學習模型架構(gòu)
第6章 排隊網(wǎng)絡控制問題
6．1 多服務臺排隊系統(tǒng)控制的半馬爾可夫決策模型
6．1．1 問題描述
6．1．2 半馬爾可夫決策模型建模
6．1．3 排隊控制系統(tǒng)的性質(zhì)
6．1．4 數(shù)值例子
6．2 自組織型排隊網(wǎng)絡控制問題
6．2．1 自組織型排隊網(wǎng)絡控制問題描述
6．2．2 自組織型排隊網(wǎng)絡控制問題的增強學習模型
6．2．3 解決自組織型排隊網(wǎng)絡控制問題的增強學習算法
第7章 結(jié)束語
參考文獻
其他參考文獻