科研之友
微信
新浪微博
Facebook
分享链接
摘要
等效并行机调度问题在生产系统中普遍存在，在实际生产环境中任务通常动态到达，使得在线环境下任务优先级的确定更加困难。针对等效并行机在线调度问题，以加权完工时间和为目标，提出了一种基于长短期记忆近端策略优化（proximal policy optimization with long short-term memory，LSTM-PPO）强化学习的在线调度方法。通过设计融合LSTM的智能体记录车间的历史状态变化和调度策略，进而根据状态信息进行在线调度。设计了车间状态矩阵对问题约束和优化目标进行描述，在调度决策中引入额外的设备等待指令来扩大解空间，并设计奖励函数将优化目标分解为分步奖励值实现调度决策评价。最后基于PPO算法进行模型更新和参数全局优化。实验结果表明所提方法优于现有的几种启发式规则，并将所提算法应用于实际车间的生产调度，有效减少了加权完工时间和。
- 单位
