基于Advanced-TD3算法的卫星探索控制策略

卫星控制算法在卫星控制领域拥有十分重要的地位,而深度强化学习则是当前前沿的卫星控制算法之一。针对目前太空环境日渐复杂的问题,提出了基于TD3算法的改进TD3(Advanced-TD3)算法,实现控制卫星到达预定目标区域。在开源环境中进行仿真实验,实验结果验证了该算法的空间探索能力,拥有较高的鲁棒性,可以较为精确地帮助卫星完成控制问题,增强卫星对复杂空间中的控制能力,提高卫星的运行效率。

基于深度强化学习的实时视频边缘卸载策略

视频边缘计算架构将视频任务部分或全部卸载至靠近网络的边端进行处理,为实时视频处理提供了一个解决方案。为加速视频处理,本文搭建了一个视频边缘计算系统。针对具体的疵点检测视频任务,考虑视频处理的实时性和准确度要求,对计算卸载问题进行建模;为使卸载策略更好地适应动态的网络环境,将问题转换为马尔可夫决策过程,提出了一种基于深度强化学习和队列预测的视频计算卸载策略。实验结果表明,该卸载策略相较于基准策略能够在保证准确度的情况下,最大程度地降低系统时延。

基于深度强化学习的边缘视频任务卸载策略

随着物联网的发展以及智能设备的普及,视频处理技术已广泛应用于生活中。自动驾驶、产品质检等应用场景对视频处理技术的实时性需求逐步提高,移动边缘计算为计算能力不足和能源受限的设备提供计算资源以执行时延敏感性任务,为实时视频处理提供了新的计算架构。本文搭建了一个视频计算卸载场景,并以视频检测为任务,以系统时延为优化目标,建立了计算卸载模型和马尔可夫决策模型;考虑到计算卸载场景的复杂动态因素,如带宽波动、设备数量、任务大小等,以最小化系统时延为目标,提出了一种基于深度强化学习的计算卸载策略进行求解。实验表明,与其他基线方案相比,该卸载策略能够适应较复杂卸载场景,有效降低系统时延。

服装生产线中基于熟练度的人员调度模型及策略研究

为了解决服装厂制订订单生产计划效率低下的问题,首先考虑了员工熟练度这一影响因素,构建基于熟练度的人员调度策略,建立以实际总工序时间为调度目标的数学模型;其次提出了一种基于遗传算法的人员调度优化算法对问题进行求解;最后采用实际工厂数据进行验证,并与粒子群算法、贪心算法进行对比分析。实验结果表明,19人的生产小组生产单件服装的平均时间为2909.5 s,与原先由人工制订的生产计划所需的时间4814.4 s相比,生产效率提升了约39.6%。因此,可以得出基于遗传算法制订生产调度计划的效率高于基于人工经验生产调度计划,能够帮助企业大幅节省生产成本。

基于机器视觉的PCB板表面缺陷检测方法研究进展

基于机器视觉的缺陷检测方法可有效提高生产效率和降低质检成本,在现代化工业生产中得到了广泛应用。对基于机器视觉的PCB板表面缺陷检测方法涉及的图像采集系统、图像预处理技术进行综述;对基于图像分割、特征提取、机器学习和混合技术的检测算法进行分析,总结了各种算法的主要思想、适用范围以及局限性;同时对未来的发展方向进行了展望,为该领域的研究人员提供参考。机器视觉作为现代工业生产中一项不可或缺的关键技术,在PCB板缺陷检测领域仍有较大的发展空间,尤其是进一步智能化,仍有待深入研究。

移动智能边缘计算激励机制研究

移动边缘计算作为新架构赋予了边缘端更强的计算、存储和通信能力,但是需要合理的激励机制来提高边缘端用户提供资源的主动性。针对移动智能边缘计算的三大典型应用场景即计算卸载、边缘缓存和数据收集,首先对不同应用场景下的激励机制进行研究,然后从服务质量、网络质量和数据质量3个角度提出了移动智能边缘计算激励机制设计所要解决的核心科学问题,最后深入分析了解决以上问题所面临的技术挑战,并给出了对应的具体解决方案。

基于强化学习的智能车间调度策略研究综述

智能制造是我国制造业发展的必然趋势,而智能车间调度是制造业升级和深化“两化融合”的关键技术。主要研究强化学习算法在车间调度问题中的应用,为后续的研究奠定基础。其中车间调度主要包括静态调度和动态调度;强化学习算法主要包括基于值函数和AC(Actor-Critic)网络。首先,从总体上阐述了强化学习方法在作业车间调度和流水车间调度这两大问题上的研究现状;其次,对车间调度问题的数学模型以及强化学习算法中最关键的马尔可夫模型建立规则进行分类讨论;最后,根据研究现状和当前工业数字化转型需求,对智能车间调度技术的未来研究方向进行了展望。