基于強化學習的動態(tài)單機調度研究.pdf

1、生產調度位于計算機集成制造系統(tǒng)體系結構中的中間層，是控制與管理一體化的接合部。向上要給企業(yè)經營戰(zhàn)略決策層提供決策依據，向下要安排生產加工任務，指導監(jiān)督控制層的運作。因此，生產調度是實施計算機集成制造系統(tǒng)的關鍵。 在實際生產過程中，絕大多數的調度問題都屬于動態(tài)調度問題。目前，大部分動態(tài)調度問題都利用調度規(guī)則來進行解決，但調度規(guī)則本質上是一種局域內的貪心搜索方法，盲目追求單一目標，同時其無法根據系統(tǒng)環(huán)境狀態(tài)的改變進行自適應調整，因此

2、沒有一種調度規(guī)則能夠在系統(tǒng)各項重要調度性能指標下都表現出良好的調度性能。因為Agent具有適應動態(tài)變化環(huán)境以及交互協(xié)商的能力，因此很多學者利用Agent技術來解決動態(tài)調度問題，但如何提高Agent的學習能力是Agent適應動態(tài)變化環(huán)境和提高交互協(xié)商能力的基礎和關鍵。強化學習是實現Agent學習機制的有效途徑，作為一種常用的強化學習算法，Q學習由于不受應用模型約束，在制造領域得到了廣泛研究，但目前基于Q學習的Agent生產調度優(yōu)化研究還很

3、少。 本文構建了模式驅動調度系統(tǒng)，并結合智能體技術，對強化學習在這一系統(tǒng)中的應用機制進行了研究。通過MATLAB實驗仿真，對模式驅動調度系統(tǒng)在動態(tài)單機調度問題中的調度性能進行了分析。仿真結果表明，這種模式驅動調度系統(tǒng)能夠在系統(tǒng)各項重要調度性能指標下都表現出很好的調度性能，適合用于系統(tǒng)環(huán)境不斷變化的動態(tài)調度。 此外，在將Q學習應用于動態(tài)調度的過程中，有很多因子會對學習效果產生影響，目前針對這些因子對學習效果影響的研究還不多