基于深度强化学习的作业车间调度问题优化

针对作业车间调度问题求解的复杂性，以最小化最大完工时间为目标，提出基于深度强化学习优化算法求解作业车间调度问题。首先，基于析取图模型构建深度强化学习的调度环境，并建立三通道状态特征，设计20种复合启发式调度规则作为动作空间，将奖励函数等价为机器利用率；利用深度卷积神经网络搭建动作网络和目标网络，以状态作为输入，输出每个动作的Q值，进而使用行动有效性探索和利用策略选取动作；最后，计算即时奖励和更新调度环境。使用标准案例验证了算法可以平衡求解质量和时间，训练好的智能体对非零初始状态下调度问题具有很好的泛化性。