申请/专利权人:河南科技大学
申请日:2024-01-18
公开(公告)日:2024-04-16
公开(公告)号:CN117892969A
主分类号:G06Q10/0631
分类号:G06Q10/0631;G06Q10/10;G06F18/20;G06N3/092
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.03#实质审查的生效;2024.04.16#公开
摘要:本发明公开了一种基于深度强化学习的柔性车间作业动态调度方法,属于车间作业动态调度领域,该方法包括以作业总拖期时间最小化、作业最大完成时间最小化和平均机器利用率最大化为优化目标,得到多目标模型;利用析取图模型对动态作业车间调度问题进行抽象,得到调度状态;根据调度状态和多目标模型,以优化目标为高层智能体,以作业和机器为低层智能体,利用马尔可夫决策过程,得到作业调度模型;获取新作业集合,并根据新作业集合,利用作业调度模型,得到调度计划表,完成柔性车间作业动态调度。本发明解决了现有技术中依赖调度规则而缺乏泛化性的问题。
主权项:1.一种基于深度强化学习的柔性车间作业动态调度方法,其特征在于,包括以下步骤:S1、以作业总拖期时间最小化、作业最大完成时间最小化和平均机器利用率最大化为优化目标,得到多目标模型;S2、利用析取图模型对动态作业车间调度问题进行抽象,得到调度状态;S3、根据调度状态和多目标模型,以优化目标为高层智能体,以作业和机器为低层智能体,利用马尔可夫决策过程,得到作业调度模型;S4、获取新作业集合,并根据新作业集合,利用作业调度模型,得到调度计划表,完成柔性车间作业动态调度。
全文数据:
权利要求:
百度查询: 河南科技大学 一种基于深度强化学习的柔性车间作业动态调度方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。