迁移蚁群强化学习算法及其在矩形排样中的应用
来源：计算机集成制造系统杂志2020年第12期北京时间：
作者：徐小斐,陈婧,饶运清,孟荣华,袁博,罗强
单位：1.华中科技大学机械科学与工程学院2.贵州交通职业技术学院汽车工程系3.武汉理工大学机电工程学院4.三峡大学机械与动力学院
摘要：矩形排样是典型的NP-Hard问题,当零件数量增加时,求解时间便会呈指数倍急剧增长。为缩减相似排样任务的计算时间,提高寻优性能与材料利用率,结合基于匹配度评价的最低水平线算法,提出基于知识迁移的蚁群强化学习算法,以解决矩形排样问题。该算法针对高维知识空间,构建基于知识延伸的高维空间合并矩阵,并借助强化学习“试错”学习模式,在知识矩阵中利用有自学习能力的蚁群完成知识的获取与更新。而后将“预学习”获得的知识利用线性迁移策略迁移给目标任务,指导其在线快速做出决策。通过算例仿真表明：该算法能获得较高质量的解,同时寻优速度达到其他智能算法的2~6倍,在求解大中规模矩形排样问题上具有较好的实用性。
关键词：矩形排样,蚁群算法,强化学习,知识迁移
基金资助：国家自然科学基金资助项目(51975231);中央高校基本科研业务费专项资金资助项目(2019kfyXKJC043)。
