一种基于DDQN算法的大规模柔性作业车间调度方法技术

本发明专利技术公开了一种基于DDQN算法的大规模柔性作业车间调度方法，具体为：首先对大规模调度问题进行形式化表达，包括定义状态特征、动作集、奖励函数；其次为了保证框架有效训练模型，将问题进行分解，并提出动作集及奖励函数反哺特征的方法设计状态特征；选用对完工时间最小化灵敏度高的复合调度规则作为动作集，并设计启发式奖励方法引导算法收敛；最后利用DDQN算法求解大规模柔性作业车间调度问题。本发明专利技术能够高效高质地解决大规模柔性作业车间调度问题。调度问题。调度问题。

【技术实现步骤摘要】
一种基于DDQN算法的大规模柔性作业车间调度方法


[0001]本专利技术属于柔性作业车间调度
，尤其涉及一种基于DDQN算法的大规模柔性作业车间调度方法。

技术介绍

[0002]柔性作业车间调度问题是传统作业车间调度问题的扩展，是大量生产线的原型，由于其调度的柔性，每道工件加工工序可选择多台加工设备，更符合车间实际生产情况。工件数
×
机器数>1000的柔性作业车间调度问题被称为大规模柔性作业车间调度问题。事实上，在生产复杂产品时，往往因机器数量多、工艺复杂等因素而形成大规模柔性作业车间调度问题。该类问题解空间大，寻优困难，所以结合生产实际对其展开研究意义重大。
[0003]目前柔性作业车间调度问题的求解方法众多，但是常用方法是启发式调度规则和元启发式智能优化算法。基于优先级规则的启发式算法实施简单，能够稳定快速地得到可行解，但是启发式调度规则本身不具备优化能力，解的质量不高。而元启发式智能优化算法虽然求解精度较高，但其在求解大规模调度的问题时，需要迭代搜索而耗时长。即使针对静态调度问题，可提前进行求本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DDQN算法的大规模柔性作业车间调度方法，其特征在于，包括以下步骤：步骤A：确定大规模柔性作业车间调度问题；设有n个工件{J1,J2,
…
,J
n
}在m台机器{M1,M2,
…
,M
m
}上加工，每个工件有n
i
道工序{O
i,1
,O
i,2
,
…
,O
i,ni
}，O
i,j
表示工件i的第j道工序，每道工序O
i,j
有多台机器可加工；t
i,j,k
表示工序O
i,j
在第k台设备上加工的时间；当出现以下三种情况时，被称为大规模柔性作业车间调度问题：a)当工件n>50，机器m>20时；b)当工件n≤50,机器m>20，n
×
m>1000时；c)当工件n>50，机器m≤20，n
×
m>1000时；步骤B：建立大规模柔性作业车间调度目标优化的数学模型；目标函数为完工时间最小，如下式：约束条件：约束条件：约束条件：约束条件：n
·
m＞1000
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中，n表示待加工工件总数，m表示机床数量，J
i
表示第i个工件，M
k
表示第k台机器，M
i,j
表示工序O
i,j
的可用机器集，n
i
表示工件i的工序数，C
i,j
表示工序O
i,j
的完工时间，C
i
表示工件i的完工时间；其中，式(1)表示最小化最大完工时间，式(2)表示每道工序的完工时间是非负的，式(3)表示每道工序只能在一台机器上加工，式(4)表示每台机器只能在同一时刻加工一道工序，式(5)表示下一道工序只能在上一道工序加工完成后才能开始加工，式(6)为大规模限定条件，式(7)为决策变量；步骤C：调度问题的转换；(a)状态特征设计将柔性作业车间调度问题分解成工件调度完成和完工时间最小两个子目标；针对调度完成子目标，设计状态特征f1表示工件完工率，f2表示工件完工率标准差；针对完工时间最小设计状态特征f3表示机器平均利用率，f4表示...

【专利技术属性】
技术研发人员：张剑，郑婷娟，李俊达，张刘，石懿，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：