基于求解器与深度神经网络融合的柔性作业车间调度方法

本发明公开了一种基于求解器与深度神经网络融合的柔性作业车间调度方法，首先将柔性作业车间调度问题建模为状态‑动作决策过程，状态包括操作状态和机器状态，动作由操作选择与机器分配构成；随后采用蚁群优化算法生成候选解集，并基于预设阈值筛选出高质量调度解；再从高质量调度解中提取状态‑动作对，构建操作选择与机器分配两个数据集；利用深度神经网络学习操作选择与机器分配策略，并通过交叉熵损失函数进行监督训练；最终将训练好的深度神经网络部署于实际调度中，实现基于当前状态的高效调度决策。本发明融合求解器与深度神经网络，基于高质量样本引导策略学习，提升复杂调度约束下的适应性，兼顾解质量与计算效率。