出版社：WGTL Wissenschaftliche Gesellschaft fuer technische Logistik
摘要：Die Nutzung der Künstlichen Intelligenz (KI), insbesondere von Algorithmen des maschinellen Lernens zur Lösung von Problemen in der Praxis und der Forschung ist weit verbreitet und in vielen Bereichen etabliert. Im Bereich der Bildung von Lagerstrategien in Hochregallagern mit autonomen Fahrzeugen (Shuttle-Systemen) besteht jedoch noch eine Forschungslücke. Eines der KI-Verfahren, das in letzter Zeit für Aufmerksamkeit gesorgt hat, ist das Reinforcement Learning mit der Verknüpfung zu Deep Learning. In diesem Beitrag wird eine Möglichkeit aufgezeigt, wie das Deep Reinforcement Learning genutzt werden kann, um eine Auslagerstrategie für Shuttle-Systeme zu entwickeln.
其他摘要：Using Artificial Intelligence (AI) in particular machine learning algorithms to solve problems in practice and research is widespread and established in several areas. However, there is still a research gap in the formation of storage strategies in high-bay warehouses with autonomous vehicles (AVS/RS). One of the AI methods that has recently attracted attention is Reinforcement Learning (RL), which includes deep learning. This paper presents how deep reinforcement learning can be used to develop a sequencing policy for AVS/RS.
