傳送帶給料生產(chǎn)加工站的神經(jīng)元在線優(yōu)化算法.pdf

1、現(xiàn)實(shí)世界的一些生產(chǎn)加工企業(yè)中，存在一類由生產(chǎn)加工站作為加工主體的生產(chǎn)線，稱為傳送帶給料生產(chǎn)加工站(CSPS)。論文研究CSPS系統(tǒng)的最優(yōu)控制問題，其優(yōu)化目標(biāo)是通過(guò)合理選擇站點(diǎn)的前視(look-ahead)控制策略，實(shí)現(xiàn)系統(tǒng)的長(zhǎng)遠(yuǎn)期望代價(jià)達(dá)到最優(yōu)。理論上，該優(yōu)化問題可通過(guò)數(shù)值方法求解，但是該方法存在“建模難”的問題?；谛阅軇?shì)的在線策略迭代(OPI)算法能夠克服該問題，然而學(xué)習(xí)過(guò)程中采用查表法，缺少信息泛化能力，且CSPS系統(tǒng)中行動(dòng)空間是

2、連續(xù)的，離散化時(shí)離散粒度將影響系統(tǒng)的優(yōu)化性能。因此，論文應(yīng)用小腦模型關(guān)節(jié)控制器(CMAC)神經(jīng)網(wǎng)絡(luò)和在線支持向量機(jī)(Online SVM)對(duì)CSPS系統(tǒng)進(jìn)行在線優(yōu)化。
　　 論文首先應(yīng)用CMAC神經(jīng)網(wǎng)絡(luò)逼近Q學(xué)習(xí)中具有連續(xù)行動(dòng)值的Q值函數(shù)，并給出相應(yīng)的在線Q學(xué)習(xí)。然后應(yīng)用CMAC神經(jīng)網(wǎng)絡(luò)逼近OPI算法中的Q值函數(shù)或性能勢(shì)函數(shù)以構(gòu)造OPI-Q算法和OPI-Qg算法。實(shí)驗(yàn)結(jié)果表明，基于CMAC的各算法學(xué)習(xí)、收斂速度更快，使系統(tǒng)的平均