[发明专利]基于深度强化学习的多目标柔性作业车间调度方法和装置

权利要求书

1.一种基于深度强化学习的多目标柔性作业车间调度方法，其特征在于，包括：

读取当前重调度时刻的生产线状态特征向量；

将所述生产线状态特征向量输入训练后的目标智能体的目标策略网络，得到所述当前重调度时刻的调度目标；

将所述生产线状态特征向量和所述调度目标输入训练后的工件智能体的工件策略网络，得到所述当前重调度时刻的工件指派规则；

将所述生产线状态特征向量和所述调度目标输入训练后的机器智能体的机器策略网络，得到所述当前重调度时刻的机器分配规则；

根据所述工件指派规则选取待加工工件，根据所述机器分配规则选取加工机器，以及通过所述加工机器对所述待加工工件的下一道工序进行加工处理。

2.如权利要求1所述的基于深度强化学习的多目标柔性作业车间调度方法，其特征在于，将所述当前重调度时刻的生产线状态特征向量输入训练后的目标智能体的目标策略网络，得到所述当前重调度时刻的调度目标，包括：

根据所述目标策略网络中的深度神经网络对所述生产线状态特征向量进行处理后输入分类函数得到每一个优化目标对应的选择概率；

使用轮盘赌方法根据不同优化目标的选择概率确定所述调度目标。

3.如权利要求1所述的基于深度强化学习的多目标柔性作业车间调度方法，其特征在于，将所述当前重调度时刻的生产线状态特征向量和所述当前重调度时刻的调度目标输入训练后的工件智能体的工件策略网络，得到所述当前重调度时刻的工件指派规则，包括：

根据所述工件策略网络中的深度神经网络对所述生产线状态特征向量和所述调度目标进行处理后输入分类函数得到每一个工件指派规则对应的选择概率；

使用轮盘赌方法根据不同工件指派规则的选择概率确定所述工件指派规则。

4.如权利要求1所述的基于深度强化学习的多目标柔性作业车间调度方法，其特征在于，将所述当前重调度时刻的生产线状态特征向量和所述当前重调度时刻的调度目标输入训练后的机器智能体的机器策略网络，得到当前重调度时刻的机器分配规则，包括：

根据所述机器策略网络中的深度神经网络对所述生产线状态特征向量和所述调度目标进行处理后输入分类函数得到每一个机器分配规则对应的选择概率；

使用轮盘赌方法根据不同机器分配规则的选择概率确定所述机器分配规则。

5.如权利要求1所述的基于深度强化学习的多目标柔性作业车间调度方法，其特征在于，还包括：

将所述当前重调度时刻的生产线状态特征向量输入所述目标智能体的目标价值网络，得到所述当前重调度时刻的目标状态价值函数；

将所述当前重调度时刻的生产线状态特征向量和所述当前重调度时刻的调度目标输入所述工件智能体的工件价值网络，得到所述当前重调度时刻的工件状态价值函数；

将所述当前重调度时刻的生产线状态特征向量和所述当前重调度时刻的调度目标输入所述机器智能体的机器价值网络，得到所述当前重调度时刻的机器状态价值函数。

6.如权利要求1所述的基于深度强化学习的多目标柔性作业车间调度方法，其特征在于，所述当前重调度时刻为任意一道工序的完成时刻、或者，插单到达的时刻。