一种基于分解式多目标强化学习的作业车间调度方法

本发明提出了一种基于分解式多目标强化学习的作业车间调度方法，解决针对复杂调度环境中多目标优化难以平衡、策略不稳定及优化效率低下的问题。该方法通过动态调整权重配置，利用双曲正切模型预测候选权重的目标值，并结合正则化减少模型复杂度，引入综合评价指标筛选解集，实现特征的自适应学习和策略的稳定更新。通过优化权重选择和策略更新机制，能够高效地平衡多个冲突目标，提高调度决策的效率和准确性，降低能耗，提升生产效率。本发明在工业自动化和智能制造过程中，能够有效解决多目标作业车间调度问题，为生产优化提供技术支持。