基于深度强化学习的炼钢车间天车调度方法

• 作者: 林时敬 徐安军 刘成 冯凯 李稷
• 来源期刊: 中国冶金
• 关键词: 天车调度 深度强化学习 DQN 炼钢厂 仿真 神经网络
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 专题研究|Monographic Study
• 页码范围: 37-43
• 页数: 7页
• 语种: 中文
• DOI: 10.13228/j.boyuan.issn1006-9356.20200402

摘要

针对炼钢车间天车任务产生的动态不确定性,提出了基于深度强化学习算法的炼钢车间天车调度方法.首先,基于强化学习将天车调度问题转化为对天车操作动作序列的求解,采用DQN(Deep Q-network)算法构建动作价值网络模型进行求解;然后,以某钢厂出钢跨天车调度为研究对象,以任务完成总时间最短为目标,介绍了基于深度强化学习的天车调度方法的具体设计;最后,采用实际数据对天车动作价值网络模型进行训练,与目前现场广泛使用的基于固定分区的天车调度方案进行仿真试验对比.结果表明,基于深度强化学习的天车调度方法在任务完成总时间上减少了11.52％,提高了天车任务的完成效率,说明了方法的可行性和优化性,为天车调度研究提供了新的思路.