丁彬楚，湯洪濤

（浙江工業(yè)大學 工業(yè)工程研究所，浙江 杭州 310014）

0 引 言

車間初始生產(chǎn)調(diào)度方案實際執(zhí)行時，會遇到各種各樣的擾動，這些擾動會帶來重調(diào)度的需求，并且這些擾動對重調(diào)度方法的實時性、動態(tài)性及其耦合能力都有很高要求?；诙郃gent的調(diào)度技術(shù)采用協(xié)商機制解決調(diào)度決策中的各類沖突，能夠準確地反映系統(tǒng)的動態(tài)重調(diào)度過程，降低問題求解的復雜性，對動態(tài)的現(xiàn)實環(huán)境具有良好的靈活性和適應性。

現(xiàn)有的協(xié)商機制中基于合同網(wǎng)（CNP）的協(xié)商機制最為常用，一般認為，合同網(wǎng)協(xié)商機制具有較好的開放性以及動態(tài)分配和自然平衡能力。但是，傳統(tǒng)的合同網(wǎng)協(xié)商機制僅僅規(guī)定單一的工作過程，本身沒有優(yōu)化能力和動態(tài)學習能力，因此具有自學習能力的合同網(wǎng)協(xié)商機制成為了該領(lǐng)域研究的熱點。Csaji等[1]以提高Agent的學習能力為目的，提出了基于時間差分學習算法TD(λ)，從而在協(xié)商過程中獲得更好的投標者。Wang和Usher[2-3]為解決動態(tài)單機調(diào)度問題中調(diào)度規(guī)則動態(tài)優(yōu)化選擇的問題，集成了強化學習中的Q-學習和CNP機制。王世進等[4]在此基礎(chǔ)上，深入探討了集成Q-學習和CNP機制的分布式柔性作業(yè)車間環(huán)境下作業(yè)動態(tài)分配優(yōu)化問題，給出了具有針對性的集成機制的策略決策過程和學習過程。Q學習能夠使Agent從給定的調(diào)度規(guī)則中選擇出較好的調(diào)度規(guī)則，但是當這些啟發(fā)式規(guī)則在學習中得不到最優(yōu)解時，不能及時得到修正，并且Q學習本身無規(guī)劃能力，不能滿足重調(diào)度需求。張化祥等[5]通過考慮個體多步進化效果優(yōu)化變異策略的選擇，提出了一種基于Q學習的適應性進化規(guī)劃算法（QEP），用變異策略代替了啟發(fā)式規(guī)則，提供了更多的交互機會，使Q學習更具有廣泛性。

在以上Q學習、QEP等算法的研究基礎(chǔ)上，本研究將其應用于動態(tài)重調(diào)度問題的研究，并引入滾動窗口技術(shù)改進QEP算法，提出集成QEP和CNP的協(xié)商機制，以實現(xiàn)柔性作業(yè)車間動態(tài)重調(diào)度過程。

1 重調(diào)度假設(shè)及目標

本研究中的動態(tài)重調(diào)度針對的對象為柔性作業(yè)車間，給出假設(shè)條件如下：

（1）各設(shè)備同一時刻只能加工一個工件；

（2）工件在設(shè)備上的加工時間已知；

（3）正在加工的工件不進行重調(diào)度；

（4）調(diào)度過程中除設(shè)備以外的其他資源充足，無需調(diào)度。

重調(diào)度的目標描述如下：首先，仍應盡量保證原調(diào)度方案的優(yōu)化目標，即最大完成時間最??；其次，在實際的生產(chǎn)過程中，調(diào)度系統(tǒng)總體上是按照初始調(diào)度方案準備調(diào)度所需加工工具和材料，當調(diào)度方案改變時，勢必會造成這些工具和材料的運輸和浪費，所以重調(diào)度產(chǎn)生的調(diào)度方案應盡量減少與當前調(diào)度方案的差異，即最小化與重調(diào)度前調(diào)度方案的背離。

對于多目標的求解方式主要有3種：決策先于優(yōu)化、決策與優(yōu)化交替以及優(yōu)化先于決策[6-7]。本研究采用傳統(tǒng)的決策先于優(yōu)化的方式，給出重調(diào)度目標函數(shù)數(shù)學表達式如下：

式中：m—作業(yè)車間設(shè)備數(shù)量，n—調(diào)度工件數(shù)，ni—工件i的工序數(shù)，F(xiàn)h—設(shè)備h完成所有任務(wù)的時間，Sij—工件i第j道工序重調(diào)度前的開工時間，S′ij—重調(diào)度后開工時間。

2 改進QEP重調(diào)度算法

本研究給出的調(diào)度目標重點在于吸收和修復動態(tài)事件對調(diào)度的影響，因此筆者引入滾動窗口重調(diào)度技術(shù)。滾動窗口技術(shù)的應用可以減少動態(tài)重調(diào)度涉及的對象，縮小問題求解的規(guī)模[8]，并將該技術(shù)集成到QEP算法中，使算法在求解重調(diào)度問題時具有合理的規(guī)劃性，避免盲目進化，提高進化效率。

改進QEP算法流程設(shè)計如圖1所示。

圖1 改進QEP算法流程

2.1 滾動窗口初始化及更新設(shè)計

當生產(chǎn)過程中有擾動事件發(fā)生時，某工件當前加工工序受到影響,并且由于該工件受到工序約束和設(shè)備約束，影響會進一步擴散，即重調(diào)度的擴散效應[9]。研究者通常采用二維分支樹（即工件分支和設(shè)備分支）來描述該擴散過程。滾動窗口初始化和更新建立在這種擴散過程的基礎(chǔ)上。

針對3種常見擾動事件，滾動窗口初始化方法為：

（1）加工延遲。初始滾動窗口為延遲工件兩分支上的工單；

（2）設(shè)備故障。初始滾動窗口為故障設(shè)備故障時間內(nèi)待加工工單，如果設(shè)備故障時間未知，則表示為故障設(shè)備上所有工單；

（3）故障恢復。初始滾動窗口為所有可在該設(shè)備上加工的工單，已完工和正在加工的工單除外，同時滾動窗口內(nèi)工單按照開工時間的先后順序進行排列。

本研究設(shè)計了局部和全局兩種滾動窗口更新方法。局部更新是針對某一工單進行更新、整合，步驟如下：

（1）以更新的工單為根節(jié)點，將工件分支和設(shè)備分支上的工單加入滾動窗口并刪除更新的工單；

（2）去除滾動窗口中重復的、無延遲發(fā)生的工單；

（3）按照工單開工時間的先后順序進行排序。

全局更新是針對滾動窗口內(nèi)所有工單進行更新、整合，步驟如下：

（1）根據(jù)當前滾動窗口，將各工單工件分支和設(shè)備分支上的工單作為當前滾動窗口，替換原滾動窗口，在二維分支樹上表示為下一層的工單集；

步驟（2）、（3）同局部更新。

2.2 進化分析

Q學習通過選擇最大化Agent帶折扣累積收益的行動，可以學習到Agent的最優(yōu)行動集。進化過程中，研究者若把個體變異策略看成行動，則個體選擇最優(yōu)變異策略就轉(zhuǎn)化為Agent選擇最優(yōu)行動，在選擇最優(yōu)行動時考慮行動的立即及多步滯后收益，即計算折扣累計收益。

本研究假設(shè)個體進化步長為m(m>1)，即考慮m-1步滯后收益，個體開始選擇變異策略為a，可以計算個體采用行動a時的收益為：

式中：r(a)—個體采用變異策略a的立即收益，此時個體進化了一次。

新生成的個體采用a(1)生成新個體，此時收益記為Q(a(1))，依次類推，m-1次進化后，新生成的個體采用a(m-1)生成新個體，此時收益記為Q(a(m-1))。式（2）為個體采用a，a(1)，…，a(m-1)變異策略集的累計收益。定義個體立即收益r(a)=fp(a)-fo(a)。其中：fp(a)—父代個體對應的適應度值，fo(a)—采用變異策略a后生成的子代個體對應的適應度值。適應度函數(shù)計算公式如下：

其中，函數(shù)f1，f2已在公式（1）中給出。本研究將立即收益代入式（3），得到Q值的計算公式為：

2.3 改進Q學習過程設(shè)計

在Q學習過程中，為保證滯后收益對Q(a)的有效性，本研究針對每個個體分配了一個臨時滾動窗口。

個體Q學習流程設(shè)計如圖2所示。

Step1：獲取臨時滾動窗口，設(shè)置進化代數(shù)t=2；如果臨時滾動窗口為空，轉(zhuǎn)入step5；

圖2 Q學習流程圖

Step2：遍歷臨時滾動窗口中每一個工單，采用Boltzmann選擇每一個工單對應工序的變異策略；Boltzmann分布計算變異策略被保留下來的概率為：

式中：n—工序變異產(chǎn)生的后代個數(shù)；α—調(diào)節(jié)系數(shù)，α∈(0,1)；T0—初始溫度。

在Q學習的初始階段，溫度參數(shù)T設(shè)置較高，系統(tǒng)探索未嘗試的動作（選擇非最優(yōu)變異策略），以獲得更多回報的機會；在Q學習的后期，筆者設(shè)置較低的溫度參數(shù)，使系統(tǒng)傾向于利用當前最優(yōu)的變異策略。

Step3：采用全局更新的方法更新臨時滾動窗口，同時設(shè)置進化代數(shù)加1；

Step4：判斷t是否大于m，或者臨時滾動窗口為空；滿足條件則轉(zhuǎn)step5；不滿足則轉(zhuǎn)step2；

Step5：計算個體的Q值，Q學習結(jié)束。

以下給出m=2時的Q學習過程示意圖：

圖3 Q學習過程示意圖

2.4 變異策略

基于文獻[10]的研究，本研究給出以下變異策略：

（1）工序所用設(shè)備不變，加工順序不變，只是調(diào)整各個工序的開始時間和結(jié)束時間，記為“設(shè)備不變，順序不變”；

（2）工序所用設(shè)備不變，但在設(shè)備內(nèi)的加工順序可以調(diào)整，記為“設(shè)備不變，順序可變”；

（3）工序使用設(shè)備發(fā)生變化，插入到并行設(shè)備加工列表中，記為“設(shè)備可變，順序可變”。

3 集成QEP的改進合同網(wǎng)協(xié)商機制

擾動事件發(fā)生時，集成QEP的合同網(wǎng)機制協(xié)商過程如圖4所示。其基本交互過程發(fā)生在工序Agent（PA）和設(shè)備Agent（MA）之間。

圖4 QEP-CNP協(xié)商流程圖

基本流程描述如下：

Step1：初始化滾動窗口；

Step2：獲取滾動窗口中的第一個工單，生成相應的工序Agent（PA），解除原先合約，并獲取調(diào)度需要的相關(guān)信息，包括加工時間、可加工設(shè)備、設(shè)備上的工單列表等；

Step3：PA向能夠加工它的設(shè)備發(fā)送招標請求；

Step4：設(shè)備Agent（MA）作為投標方進行Q學習，根據(jù)工件平均背離、總完成時間和設(shè)備負載等生成多份標書，向PA發(fā)送應標信息；

Step5：PA評價各MA發(fā)回的投標書，選擇中標的MA和最優(yōu)變異（最大Q值），更新調(diào)度方案；兩份標書評價值相等時，根據(jù)設(shè)備負載，選擇負載小的MA和最優(yōu)變異策略；

Step6：采用局部更新方法更新滾動窗口；

Step7：判斷滾動窗口是否為空；否，轉(zhuǎn)Step2；是，協(xié)商結(jié)束，輸出調(diào)度方案。

4 仿真實驗

本研究將文獻[11]給出的10×10標準算例調(diào)度最優(yōu)解作為初始調(diào)度解，其甘特圖如圖5所示。筆者針對表1給出的動態(tài)事件進行重調(diào)度仿真。

圖5 10×10甘特圖（最短加工時間：t=7 s）

表1 動態(tài)事件表

動態(tài)重調(diào)度算法選擇參數(shù)如下：完成時間權(quán)重為0.8，工時偏差權(quán)重為0.2，進化步長為2，變溫調(diào)節(jié)系數(shù)為0.8，初始溫度為10。由于重調(diào)度協(xié)商過程中工件和設(shè)備目標明確，容易達成一致，直接受影響的工件重調(diào)度所需要的時間可以忽略。

本研究通過仿真得到3個時刻重調(diào)度后的甘特圖如圖6所示。

本研究將改進的合同網(wǎng)協(xié)商機制與基本合同網(wǎng)協(xié)商機制相比，得到的仿真結(jié)果如表2所示。通過對比可以看出，改進的合同網(wǎng)協(xié)商機制具有較好的全局優(yōu)化性能。

表2 仿真結(jié)果表

5 結(jié)束語

圖6 動態(tài)重調(diào)度甘特圖

本研究針對面向作業(yè)車間重調(diào)度問題的改進合同網(wǎng)協(xié)商機制進行了研究，設(shè)計了改進的QEP算法，提出了集成QEP和合同網(wǎng)的協(xié)商機制。該協(xié)商機制具有良好的反應能力和全局優(yōu)化性能，但同時也存在如下問題：

首先，針對多目標問題，研究者在設(shè)計目標函數(shù)時采用簡單的加權(quán)法雖然提高了系統(tǒng)的反應能力，但是在一定程度上削弱了系統(tǒng)的優(yōu)化能力；

其次，通過集成改進的QEP算法和合同網(wǎng)，雖然使得多Agent具有一定的自學習能力，但出于系統(tǒng)時間性能的考慮，簡化了Q學習每一步的進化操作，并且算法中的變異策略冗余度較高，未能做出有效優(yōu)化。后續(xù)研究將從這幾方面進一步改善合同網(wǎng)機制。

（References）：

[1] CSAJI B，MONOSTORI L，KADAR B.Reinforcement learn?ing in a distributed market-based production control system[J].Advanced Engineering Informatics，2006，20（3）：279-288.

[2] WANG Y，USHER J.Application of reinforcement learning for agent-based production scheduling[J].Engineering Applications of Artificial Intelligence，2005，18（1）：73-82.

[3] WANG Y，USHER J.A reinforcement learning approach for development routing policies in multi-agent production scheduling[J].The International Journal of Advanced Manufacturing Technology，2007，33（3/4）：323-333.

[4] 王世進.面向制造任務(wù)動態(tài)分配的改進合同網(wǎng)機制[J].計算機集成制造系統(tǒng)，2011（6）：1257-1263.

[5] 張化祥，陸 晶.基于Q學習的適應性進化規(guī)劃算法[J].自動化學報，2008（7）：819-822.

[6] 陳 宇.不確定環(huán)境下的多Agent魯棒性生產(chǎn)調(diào)度研究[D].廣州：廣東工業(yè)大學自動化學院，2009.

[7] 崔遜學.多目標進化及其應用[M].北京：國防工業(yè)出版社，2006.

[8] 邵斌彬.柔性制造動態(tài)多目標調(diào)度模型在MES中的研究與應用[D].上海：上海交通大學軟件學院，2008.

[9] MARLER R，ARORA J.survey of multi-objective optimiza?tion methods for engineering[J].Structural and Multidis?ciplinary Optimization，2004，26（6）：369-395.

[10] 丁 雷，王愛民，寧汝新.工時不確定條件下的車間作業(yè)調(diào)度技術(shù)[J].計算機集成制造系統(tǒng)，2010（1）：98-108.

[11] 李修琳，魯建廈，柴國鐘，等.混合蜂群算法求解柔性作業(yè)車間調(diào)度問題[J].計算機集成制造系統(tǒng)，2011（7）：1495-1500.