声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：严旭, 孙阳, 李开宇, 崔哲, 田文德
单位：青岛科技大学 化工学院, 青岛, 266045
关键词：强化学习,化工车间布置,爆炸建模,管线成本
针对化工车间布置中存在的高风险、多目标、复杂耦合等挑战, 提出了一种基于智能体交互的生成式方法SAC-GEN, 用于化工车间布局优化。该方法以强化学习算法——软演员-评论家算法(soft actor-critic, SAC)为核心, 引入设备几何模型、空间重叠与越界约束、爆炸影响建模及管线连接优化等机制, 构建多目标布局优化框架。特别地, 通过构造包含爆炸因子的奖励函数, 引导智能体在满足安全约束的同时生成经济高效的布置方案。以硫酸烷基化车间的关键设备为例, 定义主线与支线物流路径, 通过仿真生成多个布局方案, 验证了所提方法的可行性与实用性。研究结果表明, 该方法可显著提升危险工艺区域布置的智能化水平, 具备良好的扩展性与工程应用潜力。
来源：2026年第2期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。