科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决动态环境下作业车间调度问题，提出了一种基于改进Q学习算法和调度规则的动态调度算法。以“剩余任务紧迫程度”的概念来描述动态调度算法的状态空间；设计了以“松弛越高，惩罚越高”为宗旨的回报函数；通过引入以“Softmax”函数为主体的动作选择策略来改进传统的Q学习算法，使改进后的Q学习算法在前期选择不同动作的概率更加平等，同时改善了贪婪策略在学习后期还会选择次优动作的现象。从6个不同算例中得到的仿真结果表明，该调度算法相较于改进前，性能指标平均提升约6.5%；相较于IPSO算法和PSO算法，性能指标平均提升分别约为38.3%和38.9%，调度结果明显优于使用单一调度规则以及传统优化算法等常规方法。
- 出版日期2021-4-25
- 单位沈阳工业大学
