掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
計算智能算法及其生產調度應用 版權信息
- ISBN：9787513673402
- 條形碼：9787513673402 ; 978-7-5136-7340-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
計算智能算法及其生產調度應用 內容簡介
本書選擇典型的流水車間調度、作業車間調度、分布式調度等問題作為研究背景，以強化學習、深度學習和其他智能算法為研究對象，開展復雜約束條件下的車間生產調度單目標或多目標問題研究。圍繞基于監督學習的序列模型、基于值函數逼近的深度強化學習算法、基于策略梯度的深度強化學習算法、改進的NSGA-Ⅱ算法、基于NASH-Q-learning的分布式算法展開論述，并將之分別應用到不同的生產調度場景。本書基于作者多年的研究成果和實踐經驗寫成，可供從事智能制造、人工智能、工業工程、企業管理等專業的研究人員閱讀，也可作為上述專業學生的研究、學習用參考書。
計算智能算法及其生產調度應用 目錄
目錄
第1章緒論1
1.1研究背景和意義1
1.1.1研究背景1
1.1.2研究意義4
1.2車間生產調度問題及研究現狀7
1.2.1車間生產調度問題7
1.2.2研究現狀9
1.3研究內容及目標20
1.3.1研究內容20
1.3.2研究目標24
1.4技術路線及創新點24
1.4.1技術路線24
1.4.2創新點25
第2章概率推理28
2.1貝葉斯公式28
2.2概率圖模型30
2.2.1隱馬爾可夫模型31
2.2.2貝葉斯網絡34
2.2.3貝葉斯網絡推理39
2.3本章小結50
計算智能算法及其生產調度應用
第3章樣本學習51
3.1決策樹51
3.1.1信息增益52
3.1.2增益率62
3.1.3Gini指數63
3.1.4剪枝處理63
3.2回歸66
3.2.1線性回歸66
3.2.2邏輯回歸68
3.3支持向量機69
3.3.1硬間隔*大化支持向量機70
3.3.2軟間隔*大化支持向量機73
3.3.3對偶算法74
3.3.4非線性支持向量機78
3.4非參數化學習79
3.4.1KNN算法79
3.4.2距離計算81
3.4.3K值確定82
3.5集成學習83
3.5.1Boosting算法83
3.5.2隨機森林86
3.6無監督學習和半監督學習88
3.6.1樣本的相似度89
3.6.2類和簇91
3.6.3層次聚類93
3.6.4K-means聚類96
3.7本章小結99
第4章神經網絡和深度學習100
4.1深度前饋神經網絡102
4.1.1前饋神經網絡102
4.1.2深度前饋神經網絡及學習模式103
4.2深度卷積神經網絡105
4.2.1卷積神經網絡105
4.2.2深度卷積神經網絡108
4.3深度循環神經網絡109
4.3.1循環神經網絡109
4.3.2深度循環神經網絡111
4.4深度自動編碼器112
4.4.1欠完備自動編碼器113
4.4.2正則自動編碼器113
4.4.3深度自編碼器116
4.5核函數方法深度學習116
4.6激活函數117
4.6.1飽和激活函數118
4.6.2非飽和激活函數121
4.7本章小結124
第5章強化學習125
5.1馬爾可夫鏈蒙特卡洛方法125
5.1.1馬爾可夫鏈125
5.1.2馬爾可夫決策過程127
5.2動態規劃129
5.2.1動態規劃原理129
5.2.2價值函數130
5.2.3策略迭代132
5.3深度強化學習133
5.3.1深度強化學習基本原理133
5.3.2基于值函數的深度強化學習134
5.3.3基于策略梯度的深度強化學習137
5.4本章小結143
第6章監督學習方式求解車間生產調度問題145
6.1引言145
6.2問題描述146
6.3調度規則與樣本數據149
6.3.1調度規則149
6.3.2樣本數據150
6.4自注意力模型152
6.4.1基于自注意力模型的序列編碼152
6.4.2Transformer模型154
6.5LSTM-PtrNets-CRF模型157
6.5.1模型框架157
6.5.2模型訓練161
6.6實驗與結果分析163
6.6.1實驗設置163
6.6.2結果對比與分析165
6.7本章小結168
第7章值函數逼近算法求解車間生產調度問題170
7.1引言170
7.2問題描述171
7.3狀態表示和動作構建173
7.3.1狀態表示173
7.3.2動作構建175
7.4狀態與動作映射176
7.4.1網絡構建176
7.4.2網絡訓練178
7.4.3誤差反向傳播179
7.4.4梯度下降算法183
7.5獎勵函數與值函數計算185
7.5.1獎勵函數186
7.5.2值函數逼近187
7.5.3期望Sarsa算法188
7.6實驗與結果分析190
7.6.1實驗設置190
7.6.2結果對比與分析192
7.7本章小結195
第8章策略梯度算法求解車間生產調度問題197
8.1引言197
8.2問題描述198
8.3注意力機制200
8.3.1注意力分布和打分機制200
8.3.2指針網絡202
8.4模型框架203
8.4.1深度序列模型203
8.4.2長短期記憶網絡204
8.5策略梯度優化方法208
8.5.1策略梯度定理及證明209
8.5.2基于強化學習的序列生成212
8.5.3A3C算法應用213
8.6實驗與結果分析217
8.6.1實驗設置217
8.6.2結果對比與分析217
8.7本章小結219
第9章混合Qlearning算法求解多目標車間生產調度問題221
9.1引言221
9.2問題描述及優化目標222
9.2.1問題描述222
9.2.2問題建模224
9.2.3Pareto*優解229
9.3改進NSGAⅡ算法230
9.3.1編碼與解碼230
9.3.2選擇、交叉和變異操作234
9.3.3基于N5鄰域結構搜索策略236
9.3.4算法流程237
9.4路徑優化算法設計238
9.4.1位置掃描239
9.4.2節點選擇策略和信息素更新239
9.4.3路徑優化問題編碼240
9.5強化學習避障策略241
9.5.1動態避障策略241
9.5.2收斂性證明245
9.6實驗與結果分析248
9.6.1實驗設置248
9.6.2結果對比與分析249
9.7本章小結260
第10章NASHQlearning算法求解分布式車間生產調度問題261
10.1引言261
10.2問題描述263
10.2.1分布式置換流水車間調度263
10.2.2問題模型264
10.2.3復雜性分析265
10.3迭代貪婪算法266
10.3.1初始化方法266
10.3.2破壞重構策略267
10.3.3局部搜索269
10.3.4接受準則274
10.4多智能體深度強化學習275
10.4.1多智能體強化學習276
10.4.2NASH均衡278
10.4.3NASHQlearning算法280
10.5多智能體平均場深度強化學習算法282
10.5.1平均場理論282
10.5.2多智能體平均場強化學習283
10.5.3多智能體平均場Qlearning算法286
10.5.4多智能體車間調度算法288
10.6實驗與結果分析292
10.6.1實驗設置293
10.6.2結果對比與分析294
10.7本章小結299
第11章總結與展望301
11.1全書總結301
11.2進一步的工作304
參考文獻306
展開全部
計算智能算法及其生產調度應用 作者簡介
任劍鋒，男，漢族，副教授，現就職于河南財經政法大學，長期從事管理科學與工程、高等教育教學管理等領域的相關研究工作，諳熟強化學習、深度學習等人工智能方法在相關管理科學問題中的應用及其背后的數學理論基礎；同時，多年從事高等教育教學管理工作，積累了較豐富的工作經驗。
書友推薦
- >
月亮與六便士
- >
苦雨齋序跋文-周作人自編集
- >
月亮虎
- >
中國歷史的瞬間
- >
煙與鏡
- >
龍榆生：詞曲概論/大家小書
- >
山海經
- >
小考拉的故事-套裝共3冊
本類暢銷
