文献类型：期刊文章

作　　者：肖鹏飞[1] 张超勇[1] 孟磊磊[1,2] 洪辉[1] 戴稳[1]

XIAO Pengfei;ZHANG Chaoyong;MENG Leilei;HONG Hui;DAI Wen(State Key Laboratory of Digital Manufacturing Equipment and Technology,Huazhong University of Science and Technology,Wuhan 430074,China;School of Computer Science,Liaocheng University,Liaocheng 252059,China)

机构地区：[1]华中科技大学数字制造装备与技术国家重点实验室,湖北武汉430074 [2]聊城大学计算机学院,山东聊城252059

出　　处：《计算机集成制造系统》

基　　金：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)。

年　　份：2021

卷　　号：27

期　　号：1

起止页码：192-205

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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

分 类 号：TP18]