| 摘要 | 第3-5页 |
| 英文摘要 | 第5-11页 |
| 1 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 实际生产车间调度流程[9] | 第12-13页 |
| 1.2.2 动态车间调度策略的研究现状 | 第13-15页 |
| 1.2.3 动态车间调度优化算法的研究现状 | 第15-16页 |
| 1.2.4 强化学习在动态车间调度问题的研究现状 | 第16-18页 |
| 1.2.5 国内外现状研究总结 | 第18页 |
| 1.3 论文研究内容及组织结构 | 第18-20页 |
| 1.3.1 论文的研究内容 | 第18-19页 |
| 1.3.2 论文的组织结构 | 第19-20页 |
| 1.4 本章小结 | 第20-21页 |
| 2 深度强化学习理论及其在人工调整中的应用方案 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 强化学习概述[63] | 第21-23页 |
| 2.2.1 智能体的概念 | 第21页 |
| 2.2.2 强化学习基本概念 | 第21-22页 |
| 2.2.3 马尔可夫决策过程 | 第22页 |
| 2.2.4 Q-learning | 第22-23页 |
| 2.3 深度强化学习概述[66] | 第23-26页 |
| 2.3.1 Deep Q-network算法 | 第23-25页 |
| 2.3.2 DPG算法 | 第25页 |
| 2.3.3 Actor-Citic算法 | 第25-26页 |
| 2.3.4 DDPG算法 | 第26页 |
| 2.4 车间调度人工调整及其模拟策略 | 第26-28页 |
| 2.4.1 人工调整分类及调整策略 | 第26-28页 |
| 2.4.2 基于深度学习、深度强化学习的人工调整问题研究路线 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 基于深度学习的隐性扰动下人工调整策略模拟 | 第29-39页 |
| 3.1 引言 | 第29-30页 |
| 3.2 隐性扰动下人工调整数据样本生成 | 第30-36页 |
| 3.2.1 调整时刻点确定 | 第30页 |
| 3.2.2 深度网络的输入 | 第30页 |
| 3.2.3 深度网络的输出标签 | 第30-32页 |
| 3.2.4 遗传算法仿真产生样本数据 | 第32-36页 |
| 3.3 基于深度学习的人工调整方式选择实现 | 第36-38页 |
| 3.3.1 数据预处理 | 第36-37页 |
| 3.3.2 深度强化学习网络实现 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 深度强化学习在动态车间调度问题上的应用 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 车间调度问题描述 | 第39-41页 |
| 4.2.1 符号说明 | 第39-40页 |
| 4.2.2 假设条件 | 第40-41页 |
| 4.2.3 目标函数 | 第41页 |
| 4.3 车间调度问题的转化 | 第41-44页 |
| 4.3.1 状态空间 | 第41-42页 |
| 4.3.2 动作空间 | 第42-43页 |
| 4.3.3 奖惩函数 | 第43页 |
| 4.3.4 环境搭建 | 第43-44页 |
| 4.4 深度强化学习算法 | 第44-49页 |
| 4.4.1 动作探索策略 | 第44页 |
| 4.4.2 激活函数的选择 | 第44-46页 |
| 4.4.3 DDPG算法 | 第46-49页 |
| 4.5 实例验证 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 5 实例分析及可视化平台搭建 | 第51-57页 |
| 5.1 引言 | 第51页 |
| 5.2 环境模型配置 | 第51-52页 |
| 5.2.1 开发环境 | 第51页 |
| 5.2.2 测试环境 | 第51-52页 |
| 5.3 静态环境 | 第52-53页 |
| 5.4 动态环境 | 第53-54页 |
| 5.5 大规模算例 | 第54-55页 |
| 5.6 系统界面搭建 | 第55-56页 |
| 5.7 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |