机床与液压

作者：唐红涛，廖义峰

单位：武汉理工大学机电工程学院;机器人与智能制造湖北省工程研究中心；武汉理工大学机电工程学院;机器人与智能制造湖北省工程研究中心

关键词：分布式作业车间调度;Q-learning;资源约束;多目标优化

基金：国家自然科学基金项目(51705384；52075401)

分布式车间调度问题在传统制造业中具有重要意义。然而，在实际生产过程中，各种加工资源通常是有限的，且在以往分布式调度问题中未考虑到。针对分布式工厂运输机器有限问题，提出一种基于强化学习的RLDE算法。分析并建立RLDE的自学习模型，同时设计了3种初始化策略来获得高质量种群。设计基于Q-learning的变异和变邻域策略，使种群能够选择合适的变异和邻域搜索方法。在多个著名的基准实例上对所提RLDE算法进行性能评估，并与4种先进算法进行了比较。结果表明：RLDE算法在解决分布式车间调度资源约束问题上表现出非凡的优越性。

来源：2025年第1期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第1期