| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 柔性作业车间调度问题研究综述 | 第10-11页 |
| 1.2.2 紧急订单计划与控制研究综述 | 第11-13页 |
| 1.2.3 深度强化学习研究综述 | 第13页 |
| 1.3 相关研究现状的总结及启发 | 第13-14页 |
| 1.4 论文研究内容及意义 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第二章 柔性作业车间环境下紧急订单调度相关理论概述 | 第16-20页 |
| 2.1 柔性作业车间调度相关理论概述 | 第16-18页 |
| 2.1.1 柔性作业车间调度问题描述 | 第16-17页 |
| 2.1.2 柔性作业车间调度问题的分类 | 第17-18页 |
| 2.1.3 柔性作业车间调度问题的建模方法 | 第18页 |
| 2.2 紧急订单的相关理论概述 | 第18-19页 |
| 2.2.1 紧急订单的定义 | 第18页 |
| 2.2.2 订单优先级的评价指标 | 第18-19页 |
| 2.2.3 插单的方法 | 第19页 |
| 2.2.4 插单的流程 | 第19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 强化学习与深度强化学习 | 第20-29页 |
| 3.1 强化学习概述 | 第20-23页 |
| 3.1.1 智能体的概念 | 第20页 |
| 3.1.2 强化学习基本概念 | 第20-21页 |
| 3.1.3 强化学习与其他机器学习的比较 | 第21-22页 |
| 3.1.4 马尔可夫决策过程 | 第22页 |
| 3.1.5 Q-learning | 第22-23页 |
| 3.2 深度强化学习概述 | 第23-28页 |
| 3.2.1 深度强化学习基本概念 | 第23-24页 |
| 3.2.2 Deep Q-Network | 第24-25页 |
| 3.2.3 Policy Gradient | 第25-26页 |
| 3.2.4 Actor Critic | 第26-27页 |
| 3.2.5 多智能体Actor-Critic | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 基于深度强化学习的工件加工路径寻优策略 | 第29-40页 |
| 4.1 智能体动作探索策略 | 第29-30页 |
| 4.1.1 贪婪算法 | 第29-30页 |
| 4.1.2 Softmax算法 | 第30页 |
| 4.2 工件加工路径寻优的DQN算法 | 第30-35页 |
| 4.2.1 问题描述 | 第30-31页 |
| 4.2.2 状态空间和动作空间的编码定义 | 第31-32页 |
| 4.2.3 奖惩函数设置 | 第32页 |
| 4.2.4 经验存储及回放 | 第32-33页 |
| 4.2.5 DQN算法及参数设置 | 第33-34页 |
| 4.2.6 学习结果分析 | 第34-35页 |
| 4.3 现有生产计划下工件加工路径寻优的Actor Critic算法 | 第35-39页 |
| 4.3.1 问题描述 | 第36页 |
| 4.3.2 奖惩函数设置 | 第36-37页 |
| 4.3.3 Actor Critic算法及参数设置 | 第37-38页 |
| 4.3.4 学习结果分析 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 基于多智能Actor Critic的紧急订单区间调度策略 | 第40-49页 |
| 5.1 紧急订单调度问题描述 | 第40-42页 |
| 5.2 区间调度策略 | 第42-43页 |
| 5.3 柔性作业车间调度问题描述 | 第43-45页 |
| 5.3.1问题描述 | 第43-44页 |
| 5.3.2符号及含义 | 第44页 |
| 5.3.3模型建立 | 第44-45页 |
| 5.4 柔性作业车间调度问题的多智能体Actor Critic算法 | 第45-48页 |
| 5.4.1 奖惩函数设置 | 第45页 |
| 5.4.2 经验存储及回放 | 第45-46页 |
| 5.4.3 多智能体Actor Critic学习流程及参数设置 | 第46-47页 |
| 5.4.4 学习结果分析 | 第47-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 作者简介 | 第54页 |
