-
题名深度强化学习求解动态柔性作业车间调度问题
被引量：1
- 1
-
-
作者
杨丹
舒先涛
余震
鲁光涛
纪松霖
王家兵
-
机构
武汉科技大学冶金装备及其控制省部共建教育部重点实验室
武汉科技大学机械传动与制造工程湖北省重点实验室
武汉科技大学精密制造研究院
-
出处
《现代制造工程》
北大核心
2025年第2期10-16,共7页
-
基金
国家自然科学基金项目(51808417)。
-
文摘
随着智慧车间等智能制造技术的不断发展,人工智能算法在解决车间调度问题上的研究备受关注,其中车间运行过程中的动态事件是影响调度效果的一个重要扰动因素,为此提出一种采用深度强化学习方法来解决含有工件随机抵达的动态柔性作业车间调度问题。首先以最小化总延迟为目标建立动态柔性作业车间的数学模型,然后提取8个车间状态特征,建立6个复合型调度规则,采用ε-greedy动作选择策略并对奖励函数进行设计,最后利用先进的D3QN算法进行求解并在不同规模车间算例上进行了有效性验证。结果表明,提出的D3QN算法能非常有效地解决含有工件随机抵达的动态柔性作业车间调度问题,在所有车间算例中的求优胜率为58.3%,相较于传统的DQN和DDQN算法车间延迟分别降低了11.0%和15.4%,进一步提升车间的生产制造效率。
-
关键词
深度强化学习
D3QN算法
工件随机抵达
柔性作业车间调度
动态调度
-
Keywords
deep reinforcement learning
D3QN algorithm
random job arrival
flexible job shop scheduling problem
dynamic scheduling
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
