一种基于强化学习的可重入混合流水车间生产调度方法

本发明涉及一种基于强化学习的可重入混合流水车间生产调度方法，首先分析可重入混合流水车间生产需求，确定当前产品生产的信息；然后确定优化目标，以最小化最大完工时间以及最小化总延迟时间作为优化目标，确定约束条件及参数，以及确定优化问题中的约束和相关参数变量，建立多目标可重入混合流水车间调度问题模型；利用强化学习进行优化求解，基于马尔可夫决策过程模型进行描述，构建状态空间、动作空间，为克服强化学习中奖励稀疏问题带来的挑战，采用分层奖励的方式，构建全局外在奖励与完成每阶段生产后的内部奖励；用双向长短期记忆网络(BiLSTM)构建调度策略，提取内部调度信息，利用近端策略优化(PPO)对模型进行训练，实现行动选择的智能决策。