基于深度Q网络的多智能体强化学习在纺织制造过程多目标优化中的应用
人工智能
2020-12-03 v1 多智能体系统
摘要
由于纺织工业发展所涉及的复杂性日益增长，纺织制造过程的多目标优化正成为一个日益严峻的挑战。该领域中智能技术的使用已被广泛讨论，尽管某些成功应用报道了显著改进，传统方法仍未能应对高复杂度及人工干预。基于此，本文提出一种多智能体强化学习（MARL）框架，将优化过程转化为随机博弈，并引入深度Q网络算法来训练多个智能体。在随机博弈中采用了一种功利主义选择机制，其在每个状态下以ε-贪婪策略避免多重均衡的中断并实现优化过程的相关均衡最优解。案例研究结果表明，所提出的MARL系统有可能实现纺织臭氧化过程的最优解，并且其性能优于传统方法。
引用
@article{arxiv.2012.01101,
title = {Multi-Objective Optimization of the Textile Manufacturing Process Using Deep-Q-Network Based Multi-Agent Reinforcement Learning},
author = {Zhenglei He and Kim Phuc Tran and Sebastien Thomassey and Xianyi Zeng and Jie Xu and Changhai Yi},
journal= {arXiv preprint arXiv:2012.01101},
year = {2020}
}