基于DDQN算法的混流车间作业动态自适应调度的研究

陈晓航 王美林 吴耿枫 梁凯晴

摘  要：大规模生产的混流车间制造系统存在资源规模大、约束多等问题，快速找到合适的调度策略是实现高效生产的关键。为解决传统数学规划算法和启发式算法存在的策略求解效率低、自适应性差等问题，文章提出一种基于DDQN的智能车间动态自适应调度方法，对车间作业的自适应调度做了研究。通过“一步一推理”的自适用动态调度，可以高效地匹配合适的调度策略动作。

关键词：深度强化学习;DDQN算法;动态自适应调度

中图分类号：TP18       文献标识码：A文章编号：2096-4706（2021）24-0133-06

Abstract： In view of the large scale of resources and many constraints of the hybrid flow workshop manufacturing system in mass production， how to quickly find a suitable scheduling strategy is the key to achieve efficient production. In order to solve the problems of low strategy solving efficiency and poor adaptive existing in traditional mathematical programming algorithms and heuristic algorithms， this paper proposes a dynamic adaptive scheduling method for intelligent workshop based on DDQN， research on adaptive scheduling of workshop operations. Through the self-adaptive dynamic scheduling of “one step， one reasoning”， the appropriate scheduling policy actions can be efficiently matched.

Keywords： deep reinforcement learning; DDQN algorithm; dynamic adaptive scheduling

0  引  言

在“中國制造2025”背景下，面向大批量定制生产的混流制造HFS（Hybrid Flow Shop， HFS）是一种主流生产组织模式。而HFS调度已被证明是一个NP-Hard（Non-deterministic Polynomial Hard）的问题，对于稍大规模的调度问题，在车间实际生产中往往会有各种复杂的干扰元素。因此，如何解决这些因素对车间作业调度的干扰问题，保证生产的顺利进行，就成为一个非常有意义的研究方向。

针对制造过程的动态自适应调度，在相当多的制造领域已经得到研究。车间现场的动态调度，传统的做法是采用反应式，预测反应式，前摄式，或滚动式等方式重调度或修补调度。文献[2]中针对在车间复杂动态环境下的制造企业生产过程执行系统MES，建立了自适应调度模型进行研究。文献[3]中针对Agent技术构建基于问题的功能模块，提出一种基于改进-学习算法（WSQ）的自适应调度机制。文献[4]中Sahman针对分布式作业车间调度问题，将贪婪启发式方法与DSHO算法相结合进行求解。……