本发明提出一种基于强化学习和图神经网络的柔性车间作业调度方法,属于工业调度领域。具体包括如下步骤:1、根据车间实况初始化车间仿真坏境;2、导入预训练的基于图神经网络的策略函数模型;3、在车间仿真坏境中开始模拟任务,从车间当前时刻起,若检测到车间有空闲设备,返回此空闲设备;4、将车间仿真坏境中信息归纳到柔性车间作业图模型中;5、使用图神经网络计算动作概率,并按概率选择一个动作;6、车间仿真环境执行此动作,若车间仿真环境中仍然有未完成的订单,则回到步骤3,否则结束求解;7、从车间仿真环境中导出排程的结果。本专利所提出的方法不仅求解效果好而且计算效率更高,因此可以被真正应用工业生产中。
声明:
“基于强化学习和图神经网络的柔性车间作业调度方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)