Geri Dön

Application of q-learning algorithm to bicriteria dynamic scheduling problem

Q-öğrenme algoritmasının iki kriterli dinamik çizelgeleme problemine uygulanması

  1. Tez No: 213037
  2. Yazar: EREN YEŞİLYAPRAK
  3. Danışmanlar: Y.DOÇ.DR. GÖKALP YILDIZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Destekli öğrenme, Q-öğrenme algoritması, iki kriterli dinamik çizelgeleme, benzetim, Reinforcement learning
  7. Yıl: 2007
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 222

Özet

Üretim çizelgelemeye ilişkin yapılan çalışmalar genel olarak tek bir kriterin eniyilenmesiyle ilgilidir. Fakat çizelgeleme problemleri birden fazla amaç içerebilir ve bu nedenle çok kriterli analiz gerektirebilirler. Bu tez, iki kriterli dinamik çizelgeleme problemlerini konu almaktadır. Bu çalışmanın ana hedefi her iki sistem amacı için iyi olan bir sonuç bulmaktır. Ajan tabanlı bir yaklaşım olan Q-öğrenme algoritması sistem için iyi bir çizelge elde etmek için önerilmiştir. Önerilen çözüm yaklaşımı üç aşamadan oluşmaktadır. İlk aşamada, seçilen dağıtım kuralları farklı sistem koşulları altında her iki amaç için test edilmiştir. İkinci aşamada, Q-öğrenme algoritmasının öğrenme potansiyeli araştırılmıştır. Son aşamada ise, Q-öğrenme algoritması, dinamik çizelgeleme problemindeki sistem amaçlarının eniyilemesi için eğitilmiştir. Öğrenme sürecine dahil edilen dağıtım kuralları, birinci aşamadaki sonuçlara göre belirlenmiştir. Bu çalışmada, iki kriterli dinamik çizelgeleme problemi, tek makinalı üretim sistemi ve akış tipi üretim sistemi için ayrı ayrı incelenmiştir. Ayrıca, bu tezde yeni bir sıralama metodu geliştirilmiştir. Q-öğrenme algoritmasının performansı, önerilen sıralama metodu ile değerlendirilmiş ve diğer dağıtım kurallarının performansları ile karşılaştırılmıştır.

Özet (Çeviri)

Most of research in manufacturing scheduling is concerned with the minimization of a single criterion. However, scheduling problems often involve more than one objective and therefore require multi criteria analysis. This thesis deals with bicriteria dynamic scheduling problems. The main purpose of this study is to find out a compromising solution for the system objectives. The Q-learning algorithm, an agent based approach, is proposed to find a good schedule for the systems. The proposed methodology consists of three phases. In the first phase, selected dispatching rules are performed on the system under different conditions for both of the objectives. In the second phase, learning potential of the Q-agent is investigated. In the third phase, Q-learning agent is trained to minimize the system objectives on dynamic scheduling problem. Dispatching rules which are involved in the learning process are determined according to results in the first phase. In this thesis, bicriteria dynamic scheduling problem is investigated on a single machine and a flow shop separately. Furthermore, the performance of the Q-learning agent is evaluated and compared to other dispatching rules by using a new ranking method which is also presented in this thesis.

Benzer Tezler

  1. Modifiye q-öğrenme yöntemi ile elektrik dağıtım sistemlerinin kendi kendini iyileştirme uygulaması

    Self healing of electrical distribution systems by using modified q-learning method

    BEYZA NUR DİLBER

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA BAĞRIYANIK

  2. Ayrıklaştırılmış durum uzayı ile öğrenme tabanlı görev atama yaklaşımı

    Learning-based task allocation approach with discretized state space

    HATİCE HİLAL EZERCAN KAYIR

    Doktora

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN PARLAKTUNA

  3. Applications of multi-agent systems in transportation

    Ulaşımda çoklu ajan sistemlerinin uygulamaları

    İLHAN TUNÇ

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET TURAN SÖYLEMEZ

  4. Destekli öğrenmenin bazı çoklu-etmen strateji oyunlarına uygulanması

    Application of reinforcement learning on some multi-agent strategy games

    GÖKÇE HAZAROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Uluslararası Bilgisayar Ana Bilim Dalı

    PROF. DR. MEHMET EMİN DALKILIÇ

  5. Takviyeli öğrenme için yapay atom algoritması (A3) kullanımı

    Artificial atom algorithm for reinforcement learning

    AHMET KARADOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ KARCI