摘要
本发明涉及一种基于强化学习增强遗传进化的单机调度方法,通过设置单机总提前期调度的问题参数;构建并优化基于深度强化学习的工件分派概率模型,输入单机总提前期调度的问题参数得到初始解集;使用遗传进化算法优化初始解集,得到单机调度最优方案。本发明相较于传统方法,能够减轻优化方法的搜索压力并提高优化方法的搜索能力,改善单机调度问题的求解效率和质量。同时本发明采用基于工件分派概率模型的种群混合初始化和种群混合更新操作:通过混合种群初始化操作,既可以保证种群多样性又可以提高初始种群质量;采用种群混合种群更新操作,既可以保证种群的进化又可以增加基因的多样性。相比传统方法,可以保证算法兼顾局部搜索和全局搜索能力。
技术关键词
单机调度方法
深度强化学习
工件
遗传进化算法
Softmax函数
强化学习环境
Adam算法
参数
节点
指数
轮盘
两点
基因
规模
压力
数据
系统为您推荐了相关专利信息
资源调度优化方法
资源调度模型
资源需求数据
多场景分析
深度强化学习
双有源桥变换器
深度强化学习算法
随机森林模型
引入经验回放机制
计算机可执行指令
GRU模型
时钟模块
GRU神经网络
曲线
温度控制设备
AI算法
时空注意力机制
动态资源调度
医院
多模态数据采集
序列
特征选择
Softmax函数
解码器
训练集数据