基于强化学习的批处理机生产与运输协调调度研究

发布时间：2024-04-13 21:25

　　在智能工业体系下,生产与运输协调已经成为生产系统中最为重要的一环。企业生产过程具有工序繁多复杂、能耗高以及环境要求严格等特点,这使得合理地安排工序间的运输变得尤为重要。为了缩短生产时间、降低能耗,使得企业既能响应国家智能工业的政策,又能符合绿色环保的要求,本文主要针对生产与运输协调进行深入研究。本文以钢铁企业为研究背景,针对生产过程中时常含有高温作业运输等特点,提炼出两个带高温运输与带批生产的协调调度问题进行研究。已知运输与生产协调调度问题被证明是NP难问题,在求解过程中存在维数灾难。因此,采用强化学习算法分别对两个问题进行求解。本文主要研究的内容如下:(1)针对单个批处理机环境,考虑多台运输车进行生产前运输,考虑车辆和机器容量限制。工件动态到达运输区后等待运输,运输到生产区等待批处理机生产,批处理机可以同时加工多个工件作为一批。每批工件的加工时间为批次工件中加工时间的最大值,以总完工时间最小为目标,建立两阶段协调调度的模型。根据问题中车辆和机器忙闲程度、工件实时信息来定义状态特征,将调度规则作为动作,根据问题目标定义奖励,实现问题的转化。针对状态连续且空间过大的问题,采用了函数逼近的...

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图3.5算法收敛曲线图

第3章基于多车运输与批处理机生产协调调度问题LCFS-FCFS、LCFS-SPT、LCFS-LPT进行对比实验。3.5.1实验参数设置本次实验采用的数据和实验环境如下描述。本章所有实验都是在Pycharm上采用Python语言进行代码编写，运行在Intel(R)Core(TM)i....

图4.5算法收敛图

第4章基于恶化特征的运输与多批处理机生产协调调度问题采用Python语言进行代码编写，运行在Intel(R)Core(TM)i3-3217UCPU处理器Windows操作系统PC平台。具体实验数据如表4.1所示。表4.1实验数据相关信息Table4.1Experimentalda....

本文编号：3953645