基于CNN的深度强化学习算法求解柔性作业车间调度问题

来源：计算机工程与应用杂志2024年第17期北京时间：

作者：李兴洲, 李艳武, 谢辉

单位：重庆三峡学院 电子与信息工程学院，重庆 404100

摘要：在使用深度强化学习（DRL）算法解决柔性作业车间调度（FJSP）问题时，状态和动作的表示具有复杂多变的特性，这导致算法的求解质量不高，为了得到更优解，对状态和动作的表示进一步研究，以最大完工时间最短为优化目标，采用卷积神经网络（CNN）和近端策略优化（PPO）方法设计了一种深度强化学习算法。针对柔性作业车间环境的复杂性，特别设计了双通道状态表示方法，第一通道表示每道工序选择的机器，第二通道表示每道工序在所选机器上的加工次序。在动作设置中设计了一种机器选择算法，能够根据当前状态选取最佳的机器，搭配深度强化学习算法共同组成动作的选择。通过Brandimarte算例验证表明，该算法具有可行性，比常用深度强化学习算法求解质量更优，在不同规模算例的性能表现更好。

关键词：深度强化学习（DRL）,柔性作业车间调度（FJSP）,卷积神经网络（CNN）,近端策略优化（PPO）