基于强化学习增强粒子群优化的柔性作业车间配送分层协同A^(*)调度算法OA

针对柔性作业车间中物料配送任务频繁、时间窗约束严格及车间环境复杂等问题,采用基于强化学习增强粒子群优化(particle swarm optimization,PSO)的车间配送分层协同A^(*)调度算法进行求解。基于分层建模思想,在底层路径规划阶段,利用A^(*)算法对车间栅格环境中节点间的最短可行路径进行离线搜索,构建基于障碍约束的路径成本矩阵,限制搜索域于可行路径空间;在高层调度阶段,基于离散编码的PSO算法开展调度优化解空间搜索,并将其搜索过程建模为马尔可夫决策过程,引入基于深度Q网络的强化学习作为元控制器,根据搜索改进率与种群多样性等状态信息,自适应选择参数配置策略。实验结果表明,该算法在多数测试场景中能够获得较低的调度总成本,并在复杂场景下表现出较为稳定的优化性能。