典型文献
基于增强拓扑神经进化的等效并行机动态调度
文献摘要：
针对工件动态到达、处理时间不确定且机器须要弹性预防维护的等效并行机调度问题,以平均流程时间最小化为目标,提出了基于强化学习的动态调度方法.将调度过程作为马尔可夫决策过程,通过定义状态空间、行为空间、奖励函数与适应度函数,提出基于增强拓扑神经进化(NEAT)算法的动态调度方法.设计三种规模问题的实例,将基于NEAT的方法与最短路径树(SPT)、先装先卸(FIFO)调度规则及基于深度Q网络(DQN)的方法进行比较,结果表明:基于NEAT的方法相比基于DQN的方法能够以更短的训练时间获得更优、更稳健的调度方案,相比SPT和FIFO调度规则能够获得更优的目标值,利用训练好的NEAT模型对随机生成的大规模问题实例的快速高质量求解结果表明,基于NEAT的调度方法具有更好的泛化性能.
文献关键词：
等效并行机调度;预防维护;强化学习;增强拓扑神经进化;深度Q网络
中图分类号：
作者姓名：
陈亚绒;周升伟;管在林;岳磊
作者机构：
温州大学机电工程学院,浙江温州325035;华中科技大学机械科学与工程学院,湖北武汉430074;广州大学机械与电气工程学院,广东 广州510006
文献出处：
引用格式：
[1]陈亚绒;周升伟;管在林;岳磊-.基于增强拓扑神经进化的等效并行机动态调度)[J].华中科技大学学报（自然科学版）,2022(06):111-117
A类：
增强拓扑神经进化,等效并行机,等效并行机调度,NEAT,最短路径树
B类：
工件,处理时间,预防维护,调度问题,均流,强化学习,动态调度方法,马尔可夫决策过程,状态空间,行为空间,奖励函数,适应度函数,SPT,FIFO,调度规则,DQN,比基,训练时间,更稳,调度方案,目标值,练好,大规模问题,解结,泛化性能
AB值：
0.237705
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
