Online-3D-BPP-DRL

Online-3D-BPP-DRL

深度强化学习解决在线三维装箱问题的高效算法

Online-3D-BPP-DRL项目开发了一种基于约束深度强化学习的在线三维装箱算法。该算法结合深度神经网络和蒙特卡洛树搜索,在优化装箱策略的同时考虑了稳定性约束。算法不仅适用于随机序列,还能解决实际场景中的三维装箱问题。项目提供完整代码实现,包含训练、测试和用户研究功能,为复杂三维装箱问题提供了创新解决方案。

3D装箱问题深度强化学习在线算法约束优化AAAIGithub开源项目

基于约束深度强化学习的在线3D装箱问题

示意图

在线3D装箱问题深度强化学习

项目视频链接:YouTube哔哩哔哩

本仓库包含论文《基于约束深度强化学习的在线3D装箱问题》的实现。

安装

要使该项目正常运行,你需要做两件事:
* 安装'requirements.py'中的Python包(通过'pip install -r requirements.txt')。
*(此代码适用于Python 3.7)

运行

我们在'main.py'中提供了统一的接口。以下是运行我们项目的示例。

训练:

示例:在随机生成的序列上训练新模型。
你可以运行'python main.py --mode train --use-cuda --item-seq rs'。
大约需要一天时间来获得性能令人满意的模型。

你可以运行'python main.py --help'来获取常用参数的一些信息。
我们的项目在'arguments.py'中还有许多其他参数,它们都有默认值。你可以根据需要进行更改。

测试:

示例:
如果你想测试在CUT-2算法生成的序列上训练的模型(详情请参阅我们的文章)。
你可以运行'python main.py --mode test --load-model --use-cuda --data-name cut_2.pt --load-name default_cut_2.pt'。

如果你想在预览设置中查看模型的工作情况,
你可以运行'python main.py --mode test --load-model --use-cuda --data-name cut_2.pt --load-name default_cut_2.pt --preview x',x是预览数量。

我们还提供了用户研究应用、多箱算法和用于比较的MCTS的代码,
请查看'user_study/'、'multi_bin/'、'MCTS/'以了解详情。

提示

* 不同的输入状态大小需要不同类型的CNN进行编码,你可以在./acktr/model.py中调整网络架构以满足你的需求。

* 预测掩码主要用于减少MCTS的计算成本。如果你只需要BPP-1模型,可以在训练过程中用真实掩码替换预测掩码,这样训练会更容易。

* 如果放宽稳定性规则的约束,你可能会得到更好的结果,但在实践中可能会有危险。

* 我们实现的计算开销对网络层的长度敏感,你应该避免在网络架构中出现大型网络层。

* 装箱问题的难度与其物品集有关。训练模型的性能也会受到影响。

声明

赵航和佘琪瑾是本仓库的共同作者。

部分代码修改自开源项目'pytorch-a2c-ppo-acktr-gail'(https://github.com/ikostrikov/pytorch-a2c-ppo-acktr-gail)。

许可

请注意,此源代码仅供学术使用。未经作者授权,请勿用于商业目的。该方法正在申请专利保护。如需商业使用,请联系徐凯(kevin.kai.xu@gmail.com)。

引用

如果你感兴趣,请引用以下论文:

@inproceedings{DBLP:conf/aaai/ZhaoS0Y021, author = {Hang Zhao and Qijin She and Chenyang Zhu and Yin Yang and Kai Xu}, title = {Online 3D Bin Packing with Constrained Deep Reinforcement Learning}, booktitle = {Thirty-Fifth {AAAI} Conference on Artificial Intelligence, {AAAI} 2021, Thirty-Third Conference on Innovative Applications of Artificial Intelligence, {IAAI} 2021, The Eleventh Symposium on Educational Advances in Artificial Intelligence, {EAAI} 2021, Virtual Event, February 2-9, 2021}, pages = {741--749}, publisher = {{AAAI} Press}, year = {2021}, url = {https://ojs.aaai.org/index.php/AAAI/article/view/16155}, timestamp = {Wed, 02 Jun 2021 18:09:11 +0200}, biburl = {https://dblp.org/rec/conf/aaai/ZhaoS0Y021.bib}, bibsource = {dblp computer science bibliography, https://dblp.org} }

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多