논문 상세정보
Industrial scheduling with Monte Carlo tree search and machine learning
-
초록
Abstract Although scheduling has been studied for decades, no general approach for solving industrial scheduling problems has yet been found. The variety of production systems often requires unique modifications of scheduling algorithms to meet industrial requirements. To address this challenge, an algorithm is proposed that combines Monte Carlo tree search and machine learning. It tries to eliminate the need for problem-specific knowledge while improving the production system’s performance. The algorithm has been investigated using a reentrant flow-shop problem. The results show that a combination of random-based search algorithms and machine learning is a promising way to handle complex industrial scheduling problems.
-
주제어
Scheduling . Monte Carlo tree search . machine learning . flow-shop.
활용도 분석
-
상세보기
-
원문보기
원문보기
무료다운로드
유료다운로드
- 원문이 없습니다.
유료 다운로드의 경우 해당 사이트의 정책에 따라 신규 회원가입, 로그인, 유료 구매 등이 필요할 수 있습니다. 해당 사이트에서 발생하는 귀하의 모든 정보활동은 NDSL의 서비스 정책과 무관합니다.
원문복사신청을 하시면, 일부 해외 인쇄학술지의 경우 외국학술지지원센터(FRIC)에서
무료 원문복사 서비스를 제공합니다.
NDSL에서는 해당 원문을 복사서비스하고 있습니다. 위의 원문복사신청 또는 장바구니 담기를 통하여 원문복사서비스 이용이 가능합니다.
- 이 논문과 함께 출판된 논문 + 더보기
-
-
Editorial: Smart Manufacturing at CIRP CMS 2018
- Deep Learning-based Multimodal Control Interface for Human-Robot Collaboration
- Dynamic scheduling of shared human-robot manufacturing operations
- Context-dependent multimodal communication in human-robot collaboration
- Potential users' key concerns and expectations for the adoption of cobots
