[发明专利]一种基于深度强化学习的作业车间自适应调度方法

权利要求书

1.一种基于深度强化学习的作业车间自适应调度方法，其特征在于：该方法包括以下步骤：

(1)构建作业车间调度问题的调度函数模型：设有以n个作业和m台机器，每个作业包括m个不同的工序，在作业车间调度中，n个作业J＝{J₁，J₂......，J_n}必须在m台机器m＝{M₁，M₂……，M_m}上按照预先知道的不同顺序进行处理，设O_k，b表示为工件b第k个工序，每个工序O_k，b都必须在特定的时间段内在特定的机器上执行，工件b在机器M_k上的处理时间用t_b，k标记，t_b，k是预先确定的，工件b在M_k机器上的实际完成时间用C_b，k表示，它等于A_b，k+t_b，k，，其中A_b，k表示工件b在M_k机器上的开始处理时间，一个工件在它最后一个工序完成之后就全部完成，所有的调度目标都取决于所有工件的完成时间；最小化最大完工时间的目标函数对应调度的长度；作业车间调度问题的调度函数模型定义为：

C_max＝min max{C_b，k} (1)

其中，b＝1，2……n；k＝1，2……，m；

C_bk-t_bk+M(1-y_bhk)≥C_bh (2)

其中，M是一个极大值，b＝1，2……n；h，k＝1，2……，m；C_bk表示工件b在M_k机器上的实际完成时间；t_b，k表示工件b在机器M_k上的处理时间；C_bh表示工件b在M_h机器上的实际完成时间；y_bhk表示条件函数如(4)，若工件b在机器h上加工先于机器k，y_bhk等于1，否则等于0.

C_ak-C_bk+M(1-x_bak)≥t_ak (3)

其中，M是一个极大值，a，b＝1，2……n；k＝1，2……，m；C_ak表示工件a在M_k机器上的实际完成时间，C_bk表示工件b在M_k机器上的实际完成时间；t_a，k表示工件a在机器M_k上的处理时间；x_bhk表示条件函数如(5)，若工件b先于工件a在机器k上加工，x_bhk等于1，否则等于0.

式(1)是使所有工件完成时间最小的总目标函数；公式(2)-(3)是调度过程的约束条件；公式(2)表示工件b在机器h上先于机器k处理，公式(3)表示工件b在机器k上加工先于工件a；

(2)在近端策略优化算法引入优化策略和异步更新机制后形成直接高效探索和异步更新近端策略优化算法；

(3)将图神经网络与原始状态信息的分层非线性细化相结合，并基于步骤(2)直接高效探索和异步更新近端策略优化算法，给出一种端到端的深度强化学习方法；

(4)基于步骤(3)端到端的深度强化学习方法对步骤(1)作业车间进行自适应调度决策。