一种多Agent深度强化学习的单件作业车间调度方法

摘要

本发明针对单件作业车间调度问题约束复杂、解空间种类多，传统的数学规划算法和元启发算法无法满足大规模作业车间调度问题的快速求解的特点，提出了基于多Agent深度强化学习的单件作业车间调度方法。本发明首先设计多Agent间的通信机制，采用多Agent方法对单件作业车间调度问题的强化学习建模；其次构建深层神经网络对车间状态进行提取，并在此基础上设计作业车间动作选择机制，实现了车间加工工件与车间环境之间的交互；再次，设计奖励函数对整个调度决策进行评估，并使用PolicyGradient算法对调度决策进行更新，以得到更优秀的调度结果；最后使用标准数据集对算法性能进行了性能评估与验证。本发明能够解决作业车间调度问题，丰富了作业车间调度问题的方法体系。