本发明提出一种基于强化学习的工作排程优化方法,旨在通过考虑员工实时疲劳程度,优化员工工作排程,进而缩短最大完工时间。首先,分析员工工作与休息状态下的效率变化曲线,构建工作‑休息排程的数学模型,将员工作业流程建立为马尔可夫决策过程;其次,基于SAC(Soft Actor Critic)算法设计智能体决策框架,实时调整员工工作与休息时长,以最大限度提高员工平均工作效率;此外,设计工作量快速适应机制,仅通过少量迁移训练,实现快速适应不同任务目标。仿真结果表明本发明能够优化员工工作排程方案,缩短最大完工时间,同时在工作量任务较大的情况下,可得到更好的优化效果,工作量快速适应机制使模型可以更灵活的应用于动态场景中。
本发明针对人工势场法(artificial potential field approach,APFA)在无人潜器三维路径规划应用存在局部震荡、易陷入局部极小值的问题,公开了基于人工势场栅格法的无人潜器三维路径规划方法,具体包括:在三维地图下将障碍物进行栅格化处理,采用斥力点附着在栅格体表面的方法,弥补传统APFA建模理想化导致规划路径变长的缺点;改变栅格体表面的斥力函数,使栅格体表面势场平行栅格体表面形成环绕势场,解决无人潜器路径规划局部震荡的问题;通过引入虚拟目标点,避免无人潜器陷入局部最优;最后对路径点进行插值平滑处理,使得路径光滑。仿真结果表明,本发明提出改进APFA方法有效克服了无人潜器在三维路径规划下局部震荡及易陷入局部极小值的不足,规划路径平滑,时间效率高。