为降低智能车间中动态不确定因素对生产性能的影响，提出一种基于Q学习的智能车间自适应调度方法。该方法设计基于强化学习的智能车间自适应调度框架，采用Q学习算法，通过智能体—环境交互试错机制，自主训练调度模型，并根据生产车间环境变化动态更新调度模型，以支持能够指导车间运行的最优决策轨迹的生成。所提出的方法在MiniFab半导体生产线模型上进行验证，实验证明该方法能够有效应对智能车间生产环境变化，在生产全过程中能对调度决策进行实时调整，优化车间综合性能指标，同时显著降低时间与人力成本。
科研之友
微信
新浪微博
Facebook
分享链接
