Hierarchical Reinforcement Learning for Multi-Objective Real-Time Flexible Scheduling in a Smart Shop Floor

拖延 强化学习 计算机科学 工作车间 调度(生产过程) 启发式 作业车间调度 工业工程 人工智能 流水车间调度 工程类 嵌入式系统 运营管理 布线(电子设计自动化) 操作系统
作者
Jingru Chang,Dong Yu,Zheng Zhou,Wuwei He,Lipeng Zhang
出处
期刊:Machines [MDPI AG]
卷期号:10 (12): 1195-1195 被引量:17
标识
DOI:10.3390/machines10121195
摘要

With the development of intelligent manufacturing, machine tools are considered the “mothership” of the equipment manufacturing industry, and the associated processing workshops are becoming more high-end, flexible, intelligent, and green. As the core of manufacturing management in a smart shop floor, research into the multi-objective dynamic flexible job shop scheduling problem (MODFJSP) focuses on optimizing scheduling decisions in real time according to changes in the production environment. In this paper, hierarchical reinforcement learning (HRL) is proposed to solve the MODFJSP considering random job arrival, with a focus on achieving the two practical goals of minimizing penalties for earliness and tardiness and reducing total machine load. A two-layer hierarchical architecture is proposed, namely the combination of a double deep Q-network (DDQN) and a dueling DDQN (DDDQN), and state features, actions, and external and internal rewards are designed. Meanwhile, a personal computer-based interaction feature is designed to integrate subjective decision information into the real-time optimization of HRL to obtain a satisfactory compromise. In addition, the proposed HRL framework is applied to multi-objective real-time flexible scheduling in a smart gear production workshop, and the experimental results show that the proposed HRL algorithm outperforms other reinforcement learning (RL) algorithms, metaheuristics, and heuristics in terms of solution quality and generalization and has the added benefit of real-time characteristics.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
刚刚
妥妥酱发布了新的文献求助10
刚刚
星辰大海应助大力蚂蚁采纳,获得10
1秒前
Active发布了新的文献求助10
1秒前
无限平凡发布了新的文献求助10
2秒前
cms完成签到,获得积分10
2秒前
2秒前
我的名字是山脉完成签到,获得积分10
2秒前
3秒前
3秒前
huangxiaoniu完成签到,获得积分10
4秒前
4秒前
gjy发布了新的文献求助10
5秒前
兴奋中道发布了新的文献求助10
5秒前
5秒前
5秒前
潇洒发布了新的文献求助10
6秒前
左一发布了新的文献求助10
6秒前
6秒前
李博文完成签到,获得积分10
6秒前
7秒前
7秒前
专注大门完成签到,获得积分10
8秒前
miemie发布了新的文献求助10
8秒前
Hello应助likestring采纳,获得10
8秒前
feijelly完成签到,获得积分10
9秒前
孔雀翎发布了新的文献求助10
9秒前
Ll发布了新的文献求助10
9秒前
Hear发布了新的文献求助10
10秒前
鱼跃发布了新的文献求助10
10秒前
11秒前
竹筏过海应助科研通管家采纳,获得30
11秒前
Jasper应助科研通管家采纳,获得10
11秒前
情怀应助科研通管家采纳,获得10
11秒前
科研通AI2S应助科研通管家采纳,获得10
11秒前
思源应助科研通管家采纳,获得30
11秒前
化工兔应助科研通管家采纳,获得20
11秒前
Hello应助科研通管家采纳,获得10
11秒前
12秒前
高分求助中
Evolution 10000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Foreign Policy of the French Second Empire: A Bibliography 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
China's Relations With Japan 1945-83: The Role of Liao Chengzhi 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3147582
求助须知:如何正确求助?哪些是违规求助? 2798713
关于积分的说明 7830993
捐赠科研通 2455488
什么是DOI,文献DOI怎么找? 1306841
科研通“疑难数据库(出版商)”最低求助积分说明 627934
版权声明 601587