論文の概要: Multi-Objective Optimization of the Textile Manufacturing Process Using Deep-Q-Network Based Multi-Agent Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2012.01101v1
• Date: Wed, 2 Dec 2020 11:37:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-25 03:49:32.486046
• Title: Multi-Objective Optimization of the Textile Manufacturing Process Using Deep-Q-Network Based Multi-Agent Reinforcement Learning
• Title（参考訳）: ディープQネットワークを用いたマルチエージェント強化学習による繊維製造プロセスの多目的最適化
• Authors: Zhenglei He, Kim Phuc Tran (GEMTEX), Sebastien Thomassey, Xianyi Zeng, Jie Xu, Changhai Yi
• Abstract要約: 本稿では,最適化プロセスをゲームに変換するマルチエージェント強化学習(MARL)フレームワークを提案する。 このゲームでは,複数平衡の中断を避けるために実用的選択機構が採用された。 提案したMARLシステムは,繊維のオゾン化プロセスの最適解を実現することが可能であり,従来の手法よりも優れた性能を発揮する。
• 参考スコア（独自算出の注目度）: 5.900286890213338
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-objective optimization of the textile manufacturing process is an increasing challenge because of the growing complexity involved in the development of the textile industry. The use of intelligent techniques has been often discussed in this domain, although a significant improvement from certain successful applications has been reported, the traditional methods failed to work with high-as well as human intervention. Upon which, this paper proposed a multi-agent reinforcement learning (MARL) framework to transform the optimization process into a stochastic game and introduced the deep Q-networks algorithm to train the multiple agents. A utilitarian selection mechanism was employed in the stochastic game, which (-greedy policy) in each state to avoid the interruption of multiple equilibria and achieve the correlated equilibrium optimal solutions of the optimizing process. The case study result reflects that the proposed MARL system is possible to achieve the optimal solutions for the textile ozonation process and it performs better than the traditional approaches.
• Abstract（参考訳）: 繊維産業の発展に伴う複雑さが増大していることから,繊維製造プロセスの多目的最適化が課題となっている。 インテリジェントな技術の使用は、この領域でしばしば議論されてきたが、特定の成功したアプリケーションからの大幅な改善が報告されているが、従来の手法は、人間の介入と同様に高度に機能しない。 そこで本稿では,最適化プロセスを確率ゲームに変換するマルチエージェント強化学習(MARL)フレームワークを提案し,マルチエージェントのトレーニングを行う深層Q-networksアルゴリズムを導入した。 複数の平衡の中断を回避し、最適化過程の相関平衡最適解を達成するために、各状態における(-グリーディポリシー)確率ゲームにおいて実用的選択機構が採用された。 ケーススタディの結果から,提案するmarlシステムは,従来の方法よりも優れた織布のオゾン化処理の最適解を実現できることが示唆された。

関連論文リスト

• Process-constrained batch Bayesian approaches for yield optimization in multi-reactor systems [2.812898346527047]
  本研究は,マルチリアクタ系における反応の収率を最適化する新しい手法を提案する。 シーケンシャルなバッチ最適化戦略において、探索とエクスプロイトの間の実験的制約とバランスを統合する。
  論文  参考訳（メタデータ） (2024-08-05T15:26:39Z)
• Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization [50.38518771642365]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。 本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。 Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
  論文  参考訳（メタデータ） (2023-12-28T23:15:18Z)
• Solution to Advanced Manufacturing Process Problems using Cohort Intelligence Algorithm with Improved Constraint Handling Approaches [0.07989135005592125]
  コホートインテリジェンス(CI)アルゴリズムは、設計、製造、サプライチェーン、医療などの領域から制約のない現実の問題を解決するために、社会にインスパイアされた最適化手法である。
  論文  参考訳（メタデータ） (2023-10-16T05:40:23Z)
• Federated Multi-Level Optimization over Decentralized Networks [55.776919718214224]
  エージェントが隣人としか通信できないネットワーク上での分散マルチレベル最適化の問題について検討する。 ネットワーク化されたエージェントが1つの時間スケールで異なるレベルの最適化問題を解くことができる新しいゴシップに基づく分散マルチレベル最適化アルゴリズムを提案する。 提案アルゴリズムは, ネットワークサイズと線形にスケーリングし, 各種アプリケーション上での最先端性能を示す。
  論文  参考訳（メタデータ） (2023-10-10T00:21:10Z)
• Federated Conditional Stochastic Optimization [110.513884892319]
  条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。 本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-04T01:47:37Z)
• Evolutionary Solution Adaption for Multi-Objective Metal Cutting Process Optimization [59.45414406974091]
  我々は,従来の最適化タスクから解を転送するアルゴリズムの能力を研究することのできる,システムの柔軟性のためのフレームワークを提案する。 NSGA-IIの柔軟性を2つの変種で検討し,1)2つのタスクの解を同時に最適化し,より適応性が高いと期待されるソース間の解を得る,2)活性化あるいは非活性化の異なる可能性に対応する能動的非アクティブなジェノタイプについて検討した。 その結果,標準NSGA-IIによる適応は目標目標への最適化に必要な評価回数を大幅に削減し,提案した変種は適応コストをさらに向上することがわかった。
  論文  参考訳（メタデータ） (2023-05-31T12:07:50Z)
• Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。 本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
  論文  参考訳（メタデータ） (2023-01-28T01:50:42Z)
• Multi-surrogate Assisted Efficient Global Optimization for Discrete Problems [0.9127162004615265]
  本稿では、離散的な問題を解くために、複数のシミュレーションベースの代理モデルの同時利用の可能性について検討する。 以上の結果から,SAMA-DiEGOはテスト問題の大部分において,より優れた解に迅速に収束できることが示唆された。
  論文  参考訳（メタデータ） (2022-12-13T09:10:08Z)
• Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
  マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。 我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。 コア最適化問題の実用的なパラメトリゼーションを提供する。
  論文  参考訳（メタデータ） (2021-07-08T18:01:02Z)
• A Deep Reinforcement Learning Based Multi-Criteria Decision Support System for Textile Manufacturing Process Optimization [5.900286890213338]
  本論文では、インテリジェントデータに基づくランダムフォレスト(RF)モデルと、人知に基づく分析階層プロセス(AHP)構造を組み合わせた意思決定支援システムを提案する。 このシステムの有効性は,織物のオゾン処理を最適化する事例で検証されている。
  論文  参考訳（メタデータ） (2020-12-29T15:09:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。