考虑劣化维护的单机调度深度强化学习模型和算法

陈勇,杜习之,姜一炜,易文超,裴植,纪祖臻

Deep reinforcement learning models and algorithms for single-machine scheduling considering deteriorated maintenance

Yong CHEN,Xizhi DU,Yiwei JIANG,Wenchao YI,Zhi PEI,Zuzhen JI

表 4 环境参数设置

Tab.4 Environment parameter setting

环境参数 描述 值 n 工件数量规模 10, 20, 30, 50, 80, 100, 150 pj 工件j的加工时间 Discrete U (1, 10) dj 工件j的交付时间 pj +Discrete U (n, 3n) α 延迟交付的成本系数 1 β 机器损耗的成本系数 5 M0 机器初始状态值 100 tCM, tPM CM 和 PM 的时间 20, 10 CCM, CPM CM 和 PM 的成本 60, 40 Cbroke 损坏的额外修复成本 100 NScale 奖励值归一化尺度 100 h1, h2 劣化和失效效应点 60, 0 σ 劣化效应因子 0.05 M1, M2 超出边界状态的惩罚基数 2, 2