基于改进Q学习的可重入混合流水车间绿色动态调度

节能减排对于实现可持续发展具有重要意义。考虑了动态扰动事件对生产的影响,研究了可重入混合流水车间绿色动态调度问题,提出了改进的Q学习算法。在可重入混合流水车间中,将各个加工阶段抽象为智能体,搭建了多智能体强化学习模型。选用均值漂移算法对历史状态进行聚类。为实现全局优化,设计了经验共享策略实现各个智能体之间的经验交互,并设计了自适应贪婪策略选取动作。最后进行了数值实验,实验结果表明,在求解可重入混合流水车间绿色动态调度问题时,改进的Q学习算法优于单一的调度规则,可以在提高生产效率的同时保证较低的能耗,并且能够对实际生产环境中的动态扰动因素快速做出反应,能够有效地解决实际问题。

考虑多时间因素的绿色柔性作业车间动态调度

针对质检扰动引起的完工时间延迟和机床能耗高的问题,对绿色柔性作业车间动态调度进行研究。从考虑调整时间和质检时间的视角建立节能调度模型,采用加权归一的方式将多目标合并,利用改进的头脑风暴算法进行求解,在编码环节引进了转换机制和多层编码策略,优化了机器选择和工序排序问题。通过Matlab仿真软件对算例进行测试,研究结果表明:合理的重调度方案可将质检扰动对原始调度的影响控制在一定范围内,保证了生产的稳定性;企业可调整目标函数的权重系数,在保障交付期的前提下,尽可能降低能耗,有利于企业推行可持续发展战略。