一种基于Q-learning的分布式异构柔性作业车间调度优化方法

本发明公开了一种基于Q‑learning的分布式异构柔性作业车间调度优化方法。该方法基于一种知识驱动的分布估计算法，以最小化总能耗和最大完工时间为目标，求解离散制造中的一类调度问题：分布式异构柔性作业车间调度问题。首先，设计了三种启发式初始化规则，通过混合启发式初始化策略，平衡种群的多样性和算法的收敛性；其次，分别建立三个参数自适应的增量学习模型来生成新解；最后，提出了基于Q‑learning的特征反馈的算子自适应选择策略。其有益效果在于：实验结果表明了本发明的调度优化方法在解决分布式异构柔性作业车间调度问题的有效性和实用性。