基于强化学习的考虑运输资源分布式调度问题

作     者：唐红涛 廖义峰 TANG Hongtao;LIAO Yifeng

作者机构：武汉理工大学机电工程学院湖北武汉430070 机器人与智能制造湖北省工程研究中心湖北武汉430070 

基　　金：国家自然科学基金项目(51705384 52075401) 

出 版 物：《机床与液压》 (Machine Tool & Hydraulics)

年 卷 期：2025年第53卷第1期

页      码：43-51页

摘      要：分布式车间调度问题在传统制造业中具有重要意义。然而,在实际生产过程中,各种加工资源通常是有限的,且在以往分布式调度问题中未考虑到。针对分布式工厂运输机器有限问题,提出一种基于强化学习的RLDE算法。分析并建立RLDE的自学习模型,同时设计了3种初始化策略来获得高质量种群。设计基于Q-learning的变异和变邻域策略,使种群能够选择合适的变异和邻域搜索方法。在多个著名的基准实例上对所提RLDE算法进行性能评估,并与4种先进算法进行了比较。结果表明:RLDE算法在解决分布式车间调度资源约束问题上表现出非凡的优越性。

主 题 词：分布式作业车间调度 Q-learning 资源约束 多目标优化 

学科分类：0711[理学-心理学类] 07[理学] 081104[081104] 08[工学] 0802[工学-机械学] 0811[工学-水利类] 071102[071102] 081103[081103] 

D　O　I：10.3969/j.issn.1001-3881.2025.01.006

馆 藏 号：203157083...