基于强化学习的正弦优化算法求解能耗分布式流水车间节能调度问题

摘要

针对分布式流水车间节能调度中最大完工时间（makespan）与总能耗（TEC）的多目标优化难题，本文提出一种基于强化学习的正弦优化算法（RLSOA）。算法通过双重Qlearning策略协同优化加工序列与速度调整：底层Q-learning优先加速关键路径任务以缩短makespan，顶层Q-learning降低非关键任务速度以减少TEC。结合自适应参数与4种速度调整算子，设计基于精英解导向的局部搜索策略，平衡全局探索与局部开发。基于480组不同规模算例的实验表明，相较于KCA、INSGA等对比算法，RLSOA在覆盖率（C-metric）和反世代距离（IGD）指标上平均提升23.6%和降低41.8%。消融实验验证双重Q-learning与局部搜索分别贡献65.3%和28.7%的解质量提升。统计检验（p<0.05）证实本文算法优越性，为分布式制造系统提供了高效的节能调度工具。

关键词

节能 / 分布式流水车间调度 / 强化学习 / 元启发式算法 / 多目标优化