基于ICN-QL的多目标柔性作业车间动态调度问题研究

摘要

传统调度算法灵活性不足，数字化技术实时处理滞后，难以满足市场对敏捷响应和高效交付的需求。柔性作业车间调度问题考虑了动态生产环境下的机器分配灵活性和工序路径优化，能够有效满足当下“多品种、小批量”的市场需求。因此，结合强化学习方法进行研究，对企业实现生产计划的实时优化、资源的高效配置并提高客户满意度与市场适应性意义重大。针对柔性作业车间调度问题(flexible job shop scheduling problem, FJSP),以优化最大完工时间和总能耗为目标，建立多目标柔性作业车间动态调度模型，并提出一种基于ICN-QL的动态调度方法对模型求解。首先，提出智能车间调度框架及实施机制，构建基于ICN的状态空间；然后，设计8种复合调度规则作为动作空间，使用QL算法根据车间状态信息选择合适的规则，进而实现数据驱动的实时调度。最后，通过对比实验验证了所提算法具有有效性和优越性。

关键词

实时调度 / 智能车间 / 多目标优化 / 柔性作业车间调度 / 强化学习 / 动态调度

基金资助

江苏省自然科学基金面上资助项目(BK20221231); 常州市科技计划资助项目(CM20223014)