《计算机集成制造系统杂志》发表论文赏析
作者:王丽君, 王成广, 李相阳, CHENG Ruixue, 文笑雨
单位:1.华北水利水电大学机械学院2.华北水利水电大学管理与经济学院3.提赛德大学可持续工程中心4.郑州轻工业大学河南省机械装备智能制造重点实验室
摘要:针对考虑工件动态插入及转移时间的分布式异构作业车间调度问题,以最小化总拖期时间为目标,提出一种基于决斗双深度 Q 网络的多智能体深度强化学习(MAD3QN)方法。该问题涉及到工件选择与机器分配两个耦合的决策过程,因此创建了两类智能体,分别为两个智能体制定了两个马尔可夫决策过程。针对工件选择智能体和机器分配智能体,详细描述了两个智能体的状态表示、动作空间和奖励设置,以实现更高效的决策。最后,为了验证所提方法中在不同规模实例下的有效性,与复合调度规则进行了对比;进一步,与启发式调度算法及其他深度强化学习方法相比,验证所提方法在不同规模下的优越性。
关键词:分布式车间,多智能体,动态调度,深度强化学习
基金资助:国家自然科学基金面上资助项目(52475543);科技部外国专家项目(G2023026004L);河南省高校科技创新人才支持计划资助项目(24HASTIT048)。
2025年12期其他文献查阅:
SUV风格设计智能生成与预测:可解释性风格预测模型与StyleGAN3的整合效应
TMPNet:融合Transformer与Mamba的机械零件三维点云精确分割方法
基于LLM和IDDQN的柔性作业车间工件机器天车协同调度研究
融合多尺度卷积网络与TransGRU的流程生产过程质量多步预测方法
基于改进PC算法的汽车铝构件一体化铸造质量因果图结构学习方法