Kontakt
+49 711 685 83698
+49 711 685 83469
E-Mail
Holzgartenstraße 15 B
70174 Stuttgart
Deutschland
Fachgebiet
- Deep Reinforcement Learning (DRL) basierte Optimierung
- Materialflusssimulation mit AnyLogic
2024
- F. Li u. a., „A transformer-based deep reinforcement learning approach for dynamic parallel machine scheduling problem with family setups“, Journal of Intelligent Manufacturing, Bd. 35, Nr. 6, Art. Nr. 6, Aug. 2024, [Online]. Verfügbar unter: https://link.springer.com/article/10.1007/s10845-024-02470-8
- F. Li, R. Noortwyck, und R. Schulz, „Ein skalierbarer Deep Reinforcement Learning-Ansatz zur Minimierung der Gesamtverspätung bei paralleler Maschinenbelegung“, in Logistics Journal: Proceedings, Wissenschaftliche Beiträge zum 20. WGTL-Kolloquium 2024 in Dresden, in Logistics Journal: Proceedings, Wissenschaftliche Beiträge zum 20. WGTL-Kolloquium 2024 in Dresden, vol. 20 (2024). Wissenschaftliche Gesellschaft für Technische Logistik e.V. (WGTL), Okt. 2024. doi: https://doi.org/10.2195/lj_proc_en_li_202410_01.
2023
- F. Li, S. Lang, B. Hong, und T. Reggelin, „A two-stage RNN-based deep reinforcement learning approach for solving the parallel machine scheduling problem with due dates and family setups“, Journal of Intelligent Manufacturing, 2023, doi: 10.1007/s10845-023-02094-4.
- Vorlesungsbetreuung "Grundlagen der Logistik" (Präsenz- und Online-Studiengänge)
- Betreuung von Bachelor-, Studien- und Masterarbeiten