随着经济的不断发展,企业生产力也随之不断提高。工业4.0和《中国制造2025》的提出,标志着加工制造业开始步入智能化时代。一方面由于先进生产设备的应用,在智能制造时代越来越多的企业有能力生产出一些工艺复杂的大型产品,另一方面由于消费者的需求的多样化,企业在生产过程中需要添加一些定制化需求,这也在一定程度上增加了产品的复杂性。企业通过提高生产专业化程度、对产品进行分散加工,来降低成本,提高复杂产品的加工效率,增加应对定制化需求的灵活性。生产专业化和分散化会使得传统的集中式生产调度效率低下。为此,本文提出了一种基于强化学习的局部感知生产调度方法,让各个分散的加工单位自主学习其局部调度策略,为现代企业提供了一种去中心化的调度机制。本文工作内容主要分为以下几点:(1)对策略独立的分布式强化学习进行研究,分析了将分布式强化学习应用到作业车间调度问题的可行性和适用性并建立模型。用作业调度车间的待加工作业来表示强化学习模型中的行为集合,用每个行为消耗的加工时间来表示行为的瞬时奖励,用作业的加工剩余时间和作业抵达时间作为局部状态,用神经网络来近似表示策略函数。(2)在基于分布式强化学习的作业车间调度模型下,为了优化最大完工时间,构造了基于策略梯度的优化学习算法。将每个加工机器作为一个智能体,让智能体通过局部状态进行自主学习,以所有作业的最大完工时间为目标,用梯度上升法不断更新局部策略,从而达到全局最优。(3)本文对分布式强化学习作业车间调度模型进行了进一步优化。一方面提出了空闲等待机制和提前通知机制,智能体在可选的待加工作业不为空时,依然有一定的概率选择空闲等待,使模型具备生成延迟性调度方案的能力。另一方面优化了奖励规则,使智能体在学习过程中可以以平均延迟时间最小为优化目标。