基于GA-Q-learning算法的虚拟维修作业规划模型

• 作者: 徐婷 焦玉民 王强 王海涛 谢庆华
• 来源期刊: 兵工学报
• 学科: 工学
• 关键词: 人工智能 虚拟维修 Q学习 遗传算法 作业规划
• 年，卷（期）: 2013,（5）
• 页码范围: 627-633
• 页数: 7页
• 分类号: TP391
• 字数: 7001字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1093.2013.05.018

摘要

针对虚拟维修环境中任务执行过程存在的不确定性和随机性问题,提出了一种基于Q学习算法的作业策略规划模型,该方法将虚拟维修过程转化为选取不同动作参与状态转移的过程.在该过程中,采用试错机制和逆向求解的方法求解动作策略规划问题,并将任务特征匹配机制和顺序约束机制作为启发机制,保证策略学习过程中持续进化可行策略；在进化过程中,将动作因子赋予概率值,并采用遗传算法(GA)进化动作因子的概率分布,避免了策略学习过程中强化早期Q值较高的动作,为求解虚拟维修的最佳作业流程提供了一种行之有效的解决方法.将该方法应用于轮式挖掘机虚拟维修训练系统中,仿真结果表明,正确的动作在作业策略迭代过程中均能够获得较高的Q值,验证了方法的可行性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	焦玉民	解放军理工大学野战工程学院	12	78	6.0	8.0
5	王海涛	解放军理工大学野战工程学院	265	2291	25.0	40.0
6	王强	解放军理工大学野战工程学院	79	371	11.0	16.0
7	徐婷	解放军理工大学野战工程学院	38	207	9.0	12.0
8	谢庆华	解放军理工大学国防工程学院	30	319	10.0	17.0