基于分层多智能体的轨道车辆装配协同调度优化研究

摘要

针对轨道车辆装配过程中装配线任务分配复杂、车体需频繁跨工位转运且依赖拖车搬运的调度问题，提出了一种端到端的多智能体分层深度强化学习调度优化方法。首先，将装配任务在多条装配线之间的分配过程建模为序列决策问题，上层智能体引入Transformer对装配任务与装配线特征进行上下文编码，并结合Pointer Network生成装配线分配策略；其次，下层智能体协同完成工步选择、工位分配及拖车调度决策，采用图注意力网络刻画异构资源节点间的关联关系；最后，通过多组对比实验验证所提方法的有效性。结果表明，该方法在不同规模算例上均能够实现最优调度，下层智能体策略协同实现最大完工时间平均GAP为11.36%,优于图同构网络方法的15.00%,在保证高质量调度的前提下，其计算效率显著优于延迟接受爬山算法。提出的分层协同调度计算框架实现了装配任务分配与多资源调度的统一建模与协同优化，为轨道车辆装配调度提供了一种高效、可扩展的智能优化思路。

关键词

计算机辅助制造 / 轨道车辆装配 / 深度强化学习 / 多智能体 / 分层协同调度

基金资助

国家自然科学基金(52405220); 四川省自然科学基金(2024ZHCG0028)