公开(公告)号：CN116198771B

公开(公告)日：2024-04-09

申请号：CN202310259079.9

申请日：2023-03-17

Applicant: 华南理工大学

Inventor： 李桂清 ,  袁宏涛 ,  聂勇伟

IPC: B65B15/04 ,  B65B57/02 ,  B65B61/06 ,  B65B65/00

Abstract: 本发明公开了一种基于深度强化学习的二维矩形条带包装方法，该方法考虑二维情况下，将多个矩形对象逐一包装到一个末端开口的条带中，以最小化矩形对象所达到的高度，结合天际线算法将二维矩形条带包装过程建模为马尔可夫决策过程，再通过强化学习方法训练用于二维矩形条带包装的网络模型，最终得到一种最优的包装方案。本发明利用强化学习技术，能够获取多个不同的较优解，不需要人为设计复杂的启发式规则。本发明可以应用于多种物品的包装和运输，同时还可以适应不同的环境和布局。

公开(公告)号：CN116198771A

公开(公告)日：2023-06-02

申请号：CN202310259079.9

申请日：2023-03-17

Applicant: 华南理工大学

Inventor： 李桂清 ,  袁宏涛 ,  聂勇伟

IPC: B65B15/04 ,  B65B57/02 ,  B65B61/06 ,  B65B65/00

Abstract: 本发明公开了一种基于深度强化学习的二维矩形条带包装方法，该方法考虑二维情况下，将多个矩形对象逐一包装到一个末端开口的条带中，以最小化矩形对象所达到的高度，结合天际线算法将二维矩形条带包装过程建模为马尔可夫决策过程，再通过强化学习方法训练用于二维矩形条带包装的网络模型，最终得到一种最优的包装方案。本发明利用强化学习技术，能够获取多个不同的较优解，不需要人为设计复杂的启发式规则。本发明可以应用于多种物品的包装和运输，同时还可以适应不同的环境和布局。