基于深度强化学习的动态级联车间能效调度优化
包海著
潘全科
上海大学机电工程与自动化学院,上海 200444
摘要：针对动态级联车间能效调度问题(DCSESP),本文研究了由分布式流水车间、混合流水车间及二者之间的运输阶段组成的级联车间系统,旨在最小化订单总延迟时间和总能耗.为此,建立了混合整数线性规划模型,并提出了一种基于图神经网络的深度强化学习(GDRL)算法.首先,针对级联车间调度问题,设计了一种异构图模型,构建了三阶段节点嵌入方法,用于实时捕捉车间的动态状态特征;其次,依据提取的状态特征,分别对级联车间的两个阶段执行工件和工序选择决策;最后,将多层感知机(MLP)和图注意力网络(GAT)结合于近端策略优化(PPO)算法的行动者-评论者框架中,进行训练与学习,从而实现级联车间的快速联合调度.实验结果表明,GDRL算法在求解动态级联车间能效调度问题时,显著优于其他3种先进的调度方法,尤其在复杂问题场景下表现出更强的优化能力和鲁棒性.
关键词：级联车间调度流水车间动态调度深度强化学习图神经网络
论文发表日期：2025-11-30
在线出版日期：2025-12-29（本平台首次上网日期，不代表文献的发表时间）
页数：12( 2310-2321 )
英文信息