基于深度强化学习的多目标定制化生产车间调度方法

本发明公开了基于深度强化学习的多目标定制化生产车间调度方法：S1、数据初始化，并获取车间实例数据及车间状态；2、将车间状态输入特征提取网络，获得特征输出和；S3、根据概率分布抽取当前动作并执行动作，更新生产状态；S4、计算当前调度方案的奖励值，并存储交互数据；S5、将交互数据输送价值网络和新策略网络获得损失值并更新网络参数；S6、达到训练轮数上限输出优质参数；否则返回S1。本发明提供的基于深度强化学习的多目标定制化生产车间调度方法，提出了一种基于近端策略优化的调度框架，采用特征网络、策略网络和价值网络的三网络结构设计，实现对调度策略的高效学习与优化。