DQN学习使用混合规则的柔性车间AGV实时调度（关注点：状态、奖励函数的设置）

1 文章简介

本文原文可查阅文献：

Deep reinforcement learning based AGVs real-time scheduling with mixed rule for flexible shop floor in industry 4.0 - ScienceDirect

 本文针对对象为柔性车间，提出了一种基于混合规则的自适应深度强化学习(DRL) AGV实时调度方法，以最小化完工时间和延迟率为目标。

2 状态设置

        主要考虑任务状态和AGV状态，如下：

（1）任务数量，表示当前需要运输的任务总数。

（2）当前任务的平均剩余时间：

（3）当前任务的平均运行距离

（4）备选AGV的工作状态，用二进制数表示，空闲为0，不空闲为1.

（5）AGV的行驶速度。

3 奖励函数

        设计奖励函数是为了评估行动和优化政策。本研究旨在降低agv实时调度的完工时间和延迟率。为了在同一维度上评价这两个指标，引入时间成本和延迟成本的概念如下:

:表示AGV i操作任务k的延迟成本；:AGV i 的总延迟成本;:整个调度的总延迟成本

:任务k的运输时间；:AGV i的总延迟时间

 :AGV i执行任务k的时间成本；:总调度时间成本；T：makespan

随着上述成本的降低，调度绩效将得到改善。因此，根据延迟成本和时间成本定义奖励函数如下:

 :用于评估单个任务的行动的当前奖励；

:用于评估调度的整体性能的最终奖励;

:单个任务的平均延迟成本和平均时间成本

/：整个调度的平均延迟成本和平均时间成本

4 动作

 5 体系结构

算法框架：

 

6 效果