买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国海洋大学

摘要：本发明公开了一种基于深度强化学习与图神经网络的模糊车间调度方法和系统，属于模糊车间调度技术领域。本发明采用深度强化学习与图神经网络的模糊车间调度方法和系统，能够有效处理模糊车间调度问题的复杂性和模糊性；通过三通道图神经网络，对调度过程中的状态变化特征进行提取，解决了模糊性对特征提取以及图信息嵌入带来的困难；通过近端策略优化算法，得到最优决策网络，实现对模糊车间调度问题的高效求解，提高了生产效率；由于深度强化学习技术的端到端的能力，在处理不同规模的调度问题时，获得较好的泛化性能，能够在大规模和复杂的实际应用中取得良好的效果，实现了对模糊车间调度问题的全面高效求解。

主权项：1.一种基于深度强化学习与图神经网络的模糊车间调度方法，其特征在于，包括以下具体步骤：S10：对模糊车间调度问题进行建模，得到模糊车间调度数学模型；S20：根据车间调度数据，随机生成模糊车间调度数据；S30：构建图神经网络模型，并利用图神经网络模型进行特征提取；所述步骤S30具体如下：S31：所述图神经网络模型为多通道图卷积神经网络，三个通道包含两层图卷积层，其维度为64，两层图卷积层之间使用Relu作为激活函数；S32：定义并行析取图表示模糊车间调度问题：Glσ＝V，A∪D，l＝1，2，310其中，为析取图中顶点集合代表所有的工序节点，A为一组有向弧，Z为析取弧；S33：设计多通道图卷积神经网络提取析取图Gl中的节点特征，多通道卷积操作表示为： 其中A代表图的邻接矩阵，D-12表示将度矩阵求倒数并开根号，c表示通道，每个通道经过k层图卷积操作后，得到通道特征向量同时每个通道包含权重矩阵每个通道在输出前会利用均值池化操作提取通道对应图的全局特征，均值池化操作定义为： 再将池化后的全局特征和原有的通道特征进行拼接作为通道的输出： 最后将所有通道的输出向量H′c连接起来作为网络的输出H′：H′＝ConcatH′1，H′2，...，H′C14；S40：将所述模糊车间调度数学模型转化为马尔可夫决策过程，完成状态空间，动作空间以奖励函数的设计，以构建仿真调度环境；S50：构建策略网络和价值网络以得到Actor-Critic模型；S60：以图神经网络模型提取的特征作为Actor-Critic模型的输入，利用近端策略优化算法ProximalPolicyOptimization，PPO，优化Actor-Critic网络模型，得到模糊车间调度决策模型；S70：模糊车间调度决策模型根据模糊车间调度场景，给出下一步应采取的调度动作，完成模糊作业车间调度问题求解。

全文数据：

权利要求：

百度查询： 中国海洋大学 基于深度强化学习与图神经网络的模糊车间调度方法和系统