[发明专利]一种基于增强拓扑神经进化的等效并行机动态智能调度方法

说明书

本发明公开了一种基于增强拓扑神经进化的动态等效并行机智能调度方法，该方法为实时响应工件动态到达、处理时间不确定且机器需要弹性预防维护等动态事件，智能生成平均流程时间最小的调度方案，界定了包括工件、机器和暂存区三个维度的状态空间，设计了三种调度行为，使用的倒数作为适应度函数，将调度过程转化为马尔可夫决策过程；从一群只有输入层和输出层而无隐藏层的种子神经网络开始，通过遗传进化逐步添加隐藏层、优化神经网络结构和参数，最终构造生成最优调度策略的神经网络；对于动态事件触发的每个决策时刻，根据实时状态选择最优调度行为，具有快速响应动态事件自适应生成最优调度方案、最小化在制品库存的特点。

技术领域

本发明涉及计算机集成制造技术领域，特别涉及一种基于增强拓扑神经进化的等效并行机动态智能调度方法。

背景技术

并行机调度问题(Parallel Machine Scheduling Problem,PMSP)是将n类工件分配在m台机器上并确定工件在机器上加工顺序，以使得追求的绩效指标最优的问题，是生产调度中一类非常重要的调度优化问题，已被证明是NP-hard问题。目前有关PMSP的研究主要围绕静态问题(如假设机器一直可用，工件到达时间确定等)展开，提出的求解方法有精确法(如动态规划法、数学规划法)，启发式规则(如List Scheduling，LS；ShortestProcessing Time，SPT；Weighted Shortest Processing Time,WSPT；Longest ProcessingTime，LPT；Best Fit Decreasing-Longest Processing Time，BFD-LPT)，随机邻域搜索算法(如禁忌搜索TS)以及群体智能算法(如NSGA-Ⅱ，布谷鸟算法)等。由于现实生产中存在各种动态因素(如机器故障或维护、工件随机到达、紧急订单等)，调度目标和约束一直处于动态变化和进化过程中，是典型的序列动态决策问题。随着强化学习技术的发展，将调度过程作为马尔可夫决策过程，根据调度问题的实时环境状态选择最合适的调度决策以最大化系统绩效成为动态调度问题的研究趋势。

早期基于强化学习的动态调度主要运用R-learning，Q-learning，Q-Ⅲlearning等算法，需要建立状态-行为-奖励之间的函数关系，适用于小规模简单问题的求解。对于中大规模复杂问题，需要采用结合神经网络的深度强化学习(Deep ReinforcementLearning，DRL)算法求解。然而，DRL算法一般采取基于固定神经网络结构的智能体学习，自适应能力较差，将强化学习与进化算法混合可望成为新的研究热点。增强拓扑神经进化(Neuro Evolution of Augmenting Topologies，NEAT)是一种基于遗传算法同时优化神经网络的拓扑结构和神经网络的节点权重参数的强化学习方法。由于不需要设计奖励函数，从最小结构逐渐增长，使用物种形成保护结构创新以及不同拓扑交叉的原则等方法，具有求解效率高、质量好等优点，已经成功应用在动态调度问题的求解。

发明内容

本发明的目的在于，提供一种基于增强拓扑神经进化的等效并行机动态智能调度方法。本发明具有实时响应工件动态到达、处理时间不确定且机器需要弹性预防维护等动态事件，智能生成平均流程时间最小的调度方案，且具有最小化在制品库存和改进生产稳定性的特点。

本发明的技术方案：一种基于增强拓扑神经进化的等效并行机动态智能调度方法；所述具体步骤为：

步骤S1：初始化等效并行机系统参数，定义机器M_i数m(i＝1,2,…,m)，工件类型J_j数n(j＝1,2,…,n)，工件J_j的数量np_j、到达时间r_j、处理时间p_j以及机器弹性预防维护的界限值UT和维护时间t；

步骤S2：研究等效并行机问题的动态调度决策特征，设计与之匹配的调度行为，组成强化学习智能体的行为空间A；