基于深度强化学习的模糊作业车间调度问题

作者：朱家政; 张宏立; 王聪; 李新凯; 董颖超

来源：控制与决策, 2022, 1-9.

DOI：10.13195/j.kzyjc.2022.1345

• 深度学习
• 强化学习
• 近端策略优化算法
• 模糊作业车间调度

针对具有模糊加工时间和模糊交货期的作业车间调度问题,本文以最小化最大完工时间为目标,以近端策略优化（Proximal Policy Optimization,PPO）算法为基本优化框架,提出了一种LSTM-PPO（Proximal Policy Optimization with Long short-term memory）算法进行求解.首先,设计了一种新的状态特征对调度问题进行建模,并且依据建模后的状态特征直接对工件工序进行选取,更加贴近实际环境下的调度决策过程.其次,将长短期记忆（Long short-term memory,LSTM）网络应用于PPO算法的行动者-评论者框架中,解决了传统模型在问题规模发生变化时难以扩展的问题,使智能体能够在工件、工序、机器数目发生变化时,仍然能够获得最终的调度解.在所选取的模糊作业车间调度的问题集上,实验验证了该算法能够取得更好的性能.

• 单位
  新疆大学