基于深度強化學習的作業(yè)車間節(jié)能調(diào)度研究

摘要： 針對綠色制造背景下的作業(yè)車間調(diào)度問題，提出一種基于析取圖的調(diào)度框架，該框架可以應對復雜多變的生產(chǎn)調(diào)度環(huán)境，并實時反映車間生產(chǎn)狀態(tài)和機床能耗。在將調(diào)度問題轉(zhuǎn)化為馬爾可夫決策過程中，定義2個靜態(tài)矩陣和5個動態(tài)矩陣作為狀態(tài)空間，設計有關節(jié)能策略的組合調(diào)度規(guī)則，通過全局和局部兩種方式描述獎勵函數(shù)。最后，使用競爭深度Q網(wǎng)絡訓練模型。通過與調(diào)度規(guī)則、遺傳算法等其他優(yōu)化算法測試對比，證明了文...