公开(公告)号：CN113406939A

公开(公告)日：2021-09-17

申请号：CN202110783590.X

申请日：2021-07-12

Applicant: 哈尔滨理工大学

Inventor： 葛江华 ,  吴迪 ,  朱晓飞 ,  李狄威

IPC: G05B19/418

Abstract: 本发明公开了一种基于深度Q网络的无关并行机动态混合流水车间调度方法，用于求解考虑工件到达和无关并行机特点的混合流水车间调度问题(DHFSP‑UPM)，旨在降低所有工件的平均加权拖期。该算法将深层神经网络与强化学习中的Q学习进行结合，根据输入的状态特征选取合适的调度规则。把本调度问题转化为马尔科夫决策过程，用深层神经网络拟合价值函数，将每个决策点的加工系统状态作为输入训练模型，将工件排序规则与机器分配规则的组合作为动作候选集，结合强化学习的奖惩机制，为每次调度决策选取最优的动作组合，与现有技术相比，本发明提出的算法具有实时性强，灵活性高等优势。

公开(公告)号：CN115310654A

公开(公告)日：2022-11-08

申请号：CN202210641631.6

申请日：2022-06-08

Applicant: 哈尔滨理工大学

Inventor： 葛江华 ,  李狄威 ,  朱晓飞

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/04 ,  G06N3/12

Abstract: 本发明涉及柔性作业车间调度技术领域，具体涉及一种基于改进非支配遗传算法和强化学习的柔性作业车间多目标调度方法。因为非支配排序遗传算法在求解柔性作业车间多目标优化调度问题中具有多样性不足、易于早熟与局部收敛的缺点，而因为强化学习试错学习的性质，它的探索机制可以极大地解决非支配排序遗传算法多样性不足等缺点。为实现以上目的，本发明提出一种基于改进遗传算法和强化学习的柔性作业车间多目标调度方法。