基于深度强化学习算法的弹性供应链调度优化方法

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：由于参与供应链的客户需求和供应者配置的多元性,导致供应链的配送成本难以得到有效控制,主要是因为在模型求解过程中,受困于参数本身的矛盾性,求解过程很容易陷入局部最优.为此,提出基于深度强化学习算法的弹性供应链调度优化方法研究.分别从供应者配置角度和客户需求角度构建了供应链模型,以供应链配送成本最小化为目标函数,应用深度强化学习算法中的深度Q网络(deep Q-network,DQN)算法进行训练,同步进行弹性供应链优化调度.DQN能够有效地处理这种高维状态空间,通过深度神经网络学习状态与动作之间的映射关系,自动提取关键特征,从而简化问题的复杂性.将收敛输出结果期望误差,输入供应链模型进行迭代计算,输出优化调度结果.测试结果表明,设计的方法可以实现对配送成本的有效控制.

作者：

张进军

展开 >

作者单位：

安徽警官职业学院信息管理系安徽合肥 230031

关键词：

深度强化学习算法弹性供应链调度供应者配置客户需求供应链模型配送成本最小化 Deep Q-Network 误差收敛

基金：

安徽省高等学校自然科学研究重大项目(2023)

项目编号：

2023AH040354

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.04.019

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(4)

参考文献量10