[发明专利]基于Alpha Zero以及结合启发式策略的自动排料方法

摘要

本发明公开了基于Alpha Zero以及结合启发式策略的自动排料方法，涉及工业生产的排料技术领域。本发明包括选取启发式策略、选择比较优势机制、选择训练方式和网络模型、模型训练以及自动排料。本发明启发式策略确定每个元件合适的摆放位置及旋转角度，并用以深度卷积神经网络为基础的策略价值网络来增强MCTS搜索的能力，来确定下一待摆放的元件，如此得到每回合最终排样方案，将当前排样方案结果与之前回合排样方案进行对比，来判断当前回合的比较优势，该回合的排样方案、比较优势又可作为训练数据，提高网络预测动作、评价局面的准确度，如此交替进行，直到训练结果不在提升；有效降低废料率，减少计算时间。

主权项

1.基于Alpha Zero以及结合启发式策略的自动排料方法，其特征在于，包括如下步骤：/nA0：选取启发式策略：针对当前排料问题的目标及性质，选取合适的启发式策略；/nA1：选择比较优势机制：指定与排样结果进行对比的比较优势机制来确定比较优势，并作为网络训练的依据；/nA2：选择训练方式和网络模型：根据排料问题的复杂程度及计算机的承受能力，确定网络模型以及训练方式；/nA3：模型训练：利用self play方法产生训练样本，并对网络模型结构进行训练；/n其中，所述模型训练过程包括如下：/nA31：设定启发式策略以及比较优势机制；/nA32：初始化迭代数iter＝0；/nA33：初始化回合数eps＝0；/nA34：利用MCTS搜索结合比较优势进行自动排料生成训练样本；/nA35：eps＝eps+1并判断eps<neps；若是，则执行步骤A34；若否，则执行步骤A36；/nA36：利用生成的训练样本进行模型训练，网络模型的损失函数为动作概率、网络模型输出的动作概率的交叉熵与比较优势、网络模型输出价值函数的均方误差的和；/nA36：iter＝iter+1并判断iter<niter；若是，则执行步骤A33；若否，则训练完毕；/nA04：自动排料：使用训练好的网络模型增强MCTS的搜索能力，完成自动排料。/n