龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：四川大学
申请日：2024-02-05
公开（公告）日：2024-06-14
公开（公告）号：CN118192446A
主分类号：G05B19/418
分类号：G05B19/418
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明公开了一种面向动态柔性车间调度的深度Q网络训练方法及调度方法，其中深度Q网络训练方法包括S1获取经验回放数据S,A,R,S*，S2在经验回放数据中随机采样若干经验数据输入深度Q网络，输出长度与调度规则数量相同的向量，向量中的每一个值代表选择该调度规则的Q值；S3根据候选操作和空闲机器编码决策点处的调度方案，以形成初始化种群；S4采用遗传算法计算种群中获取的最优个体的适应度作为目标值，记为值Q′，并基于Q值和值Q′对深度Q网络的网络参数进行更新；S5将训练次数累加一次，并判断训练次数是否达到最大训练次数，若是，输出训练完成的深度Q网络，否则返回步骤S2。
主权项：1.面向动态柔性车间调度的深度Q网络训练方法，其特征在于，包括步骤：S1、获取经验回放数据S,A,R,S*，其中，S为车间状态，A为给定状态下选择的动作集，R为车间环境反馈的奖励值，S*为转移后的状态；S2、在经验回放数据中随机采样若干经验数据输入深度Q网络，输出长度与调度规则数量相同的向量，向量中的每一个值代表选择该调度规则的Q值；S3、根据候选操作和空闲机器编码决策点处的调度方案，以形成初始化种群；S4、采用遗传算法计算种群中获取的最优个体的适应度作为目标值，记为值Q′，并基于Q值和值Q′对深度Q网络的网络参数进行更新；S5、将训练次数累加一次，并判断训练次数是否达到最大训练次数，若是，输出训练完成的深度Q网络，否则返回步骤S2。
全文数据：
权利要求：
百度查询： 四川大学 面向动态柔性车间调度的深度Q网络训练方法及调度方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号