公开(公告)号：CN118396294A

公开(公告)日：2024-07-26

申请号：CN202410486377.6

申请日：2024-04-22

Applicant: 华北电力大学

Inventor： 程龙 ,  顾妍 ,  胡阳 ,  房方

IPC: G06Q10/0631 ,  G06Q10/0633 ,  G06Q10/04 ,  G06Q50/04 ,  G06N3/045 ,  G06N3/092 ,  G06N10/20 ,  G06N10/60

Abstract: 本发明将量子多智能体强化学习应用于云制造调度问题中，借助量子神经网络在处理复杂信息方面的能力提高制造任务中制造资源配置的优化。本发明使用采用多智能体强化学习架构，将云制造平台中的每个任务接收器都视作一个智能体，每个智能体负责为其对应的制造任务的子任务分配合适的资源。本发明采用集中式训练分散式执行的方法来训练多智能体强化学习模型。针对每个智能体的Actor网络以及集中式Critic网络，本发明设计了一种固定的变分电路架构，以防止随机量子门带来的不确定性，这种设计保证了量子电路的稳定性和可控性。此外，本发明还使用一种密集编码方式，能够利用更少的量子比特位来映射经典数据维度。这种方法有效地提高了量子计算资源的利用率，同时降低了云制造调度过程中的计算复杂度。使得在标准计算平台上对复杂的云制造调度任务进行量子神经网络训练的实际模拟成为可能。本发明还设计了一种多目标的奖励机制，由制造任务最终完成时间，制造任务执行总成本共同决定。