公开(公告)号：CN118536723A

公开(公告)日：2024-08-23

申请号：CN202310157070.7

申请日：2023-02-23

Applicant: 四川大学

Inventor： 李春江 ,  王浩 ,  程俊夫 ,  刘俊才 ,  石静 ,  刘高源 ,  李京鹏 ,  程健峰 ,  陈良银

IPC: G06Q10/0631 ,  G06Q10/0639 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明涉及一种基于深度Q学习的动态多目标柔性车间作业调度方法，具体包括：公开了一种全新的DMFJSP(Dynamic Multi‑objective Flexible Job Shop Scheduling Problem)问题，该问题包含六种动态事件、三种性能指标以及一系列约束条件，并结合实际掌握的生产资料，对每种动态事件提供了对应的细节描述；同时，本发明采用目前最先进的双重深度Q学习算法，创新性地结合多种动态事件特性，设计并引入了一种实时动态事件处理流程，并在设计调度规则的时候考虑组合调度规则的设计思想、工件订单权重值设计思想、估计工件加工完成进度值概念，最终提出了一种新型的动态多目标双重深度Q学习算法(Dynamic Multi‑Objective Dual Deep Q‑Learning，DMDDQN)。并通过大量的对比试验成功证明了本研究提出的算法在动态数据集上的优越性。

公开(公告)号：CN114386843A

公开(公告)日：2022-04-22

申请号：CN202210035975.2

申请日：2022-01-10

Applicant: 四川大学 ,  四川长城计算机系统有限公司

Inventor： 陈良银 ,  程俊夫 ,  王浩 ,  陈彦如 ,  张媛媛 ,  黄鑫茂 ,  何正洪 ,  黄长海 ,  兰地理 ,  李银鹏 ,  王诗雨

IPC: G06Q10/06 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种基于改进深度强化学习算法的柔性车间调度方法。本发明涉及到工业系统生产调度领域。本发明提出的基于改进深度强化学习算法的柔性车间调度方法具有调度效果好、能够对机器利用率进行提高的优点。与传统的基于深度强化学习的柔性车间调度算法相比，本发明将邻域搜索算法应用到了深度Q学习算法当中，提出了一种新型的同时具备邻域搜索算法局部搜索能力以及深度Q学习算法全局搜索能力的结合了邻域搜索算法的深度Q学习算法。最后通过一系列标准数据集上的实验，成功证明了结合了邻域搜索算法的深度Q学习算法在解决柔性车间调度问题上的优越性。

公开(公告)号：CN118365019A

公开(公告)日：2024-07-19

申请号：CN202410298721.9

申请日：2024-03-15

Applicant: 四川大学

Inventor： 陈彦如 ,  王浩 ,  程俊夫 ,  张媛媛 ,  刘静雯 ,  简暕 ,  黄宇辰 ,  程于耀 ,  钟旺 ,  陈良银

IPC: G06Q10/0631 ,  G06N3/092

Abstract: 本发明公开了一种基于改进深度强化学习算法的柔性车间调度方法。本发明涉及到工业系统生产调度领域。本发明提出的基于改进深度强化学习算法的柔性车间调度方法具有调度效果好、能够对机器利用率进行提高的优点。与传统的基于深度强化学习的柔性车间调度算法相比，本发明将Local Search算法(邻域搜索算法)应用到了Deep Q‑learning算法(深度Q学习算法)当中，提出了一种新型的同时具备Local Search算法局部搜索能力以及Deep Q‑learning算法全局搜索能力的Deep Q‑learning Combined with Local Search算法(结合了邻域搜索算法的深度Q学习算法)。最后通过一系列标准数据集上的实验，成功证明了Deep Q‑learning Combined with Local Search算法(结合了邻域搜索算法的深度Q学习算法)在解决柔性车间调度问题上的优越性。