基于深度强化学习的非置换流水车间调度问题
来源：计算机集成制造系统杂志2021年第1期北京时间：
作者：肖鹏飞, 张超勇, 孟磊磊, 洪辉, 戴稳
单位：1.华中科技大学数字制造装备与技术国家重点实验室2.聊城大学计算机学院
摘要：针对传统调度算法不能有效利用历史数据进行学习,实时性较差而难以应对复杂多变的实际生产调度环境等问题,首次提出一种基于时序差分法的深度强化学习算法。该方法综合神经网络和强化学习实时性、灵活性的优势,直接依据输入的加工状态进行行为策略选取,更贴近实际订单响应式生产制造系统的调度决策过程。通过将调度问题转化为多阶段决策问题,用深度神经网络模型拟合状态值函数,把制造系统加工状态特征数据输入模型,采用时序差分法训练模型,把启发式算法或分配规则作为调度决策候选行为,结合强化学习在线评价—执行机制,从而为每次调度决策选取最优组合行为策略。在非置换流水车间标准问题集上的测试结果表明,该算法能够取得低于实例上界的较优解。
关键词：深度学习,时序差分法,强化学习,非置换流水车间,调度
基金资助：国家自然科学基金面上资助项目(51875429);国家自然科学基金国际(地区)合作与交流资助项目(51861165202)。
