摘要：针对具有模糊加工时间和模糊交货期的作业车间调度问题,以最小化最大完工时间为目标,以近端策略优化(PPO)算法为基本优化框架,提出一种LSTM-PPO(proximal policy optimization with Long short-term memory)算法进行求解.首先,设计一种新的状态特征对调度问题进行建模,并且依据建模后的状态特征直接对工件工序进行选取,更加贴近实际环境下的调度决策过程;其次,将长短期记忆(LSTM)网络应用于PPO算法的行动者-评论者框架中,以解决传统模型在问题规模发生变化时难以扩展的问题,使智能体能够在工件、工序、机器数目发生变化时,仍然能够获得最终的调度解.在所选取的模糊作业车间调度的问题集上,通过实验验证了该算法能够取得更好的性能.

摘要：组合优化问题广泛的存在于生产实践的各个领域,解决组合优化问题的主要手段通常包括使用由领域专家人工设计的启发式算法以及设计成熟的求解器,按照一定顺序构建一个解决方案.而随着实际问题复杂度逐渐的增加,这类方法无法于在线求解方面取得很好的效果,得到的结果可能往往是次优的.而强化学习给出了一个很好的替代方案,通过对智能体模型的良好训练,迅速地对此类问题进行求解.故回顾了近年来将强化学习框架应用于组合优化问题的研究,对其基本原理、相关方法、应用研究进行总结和综述,并指出未来该方向亟待解决的若干问题.