基于增强学习的平行机调度研究.pdfVIP

V01．13 第13卷第1期 计算机集成制造系统 No．1 2OO7年1月 0O7 ComputerIntegratedManufacturingSystems Jan．2 文章编号：1006—5911(2007)01一0110—07 基于增强学习的平行机调度研究 张智聪1，郑力1，翁小华2 (1．清华大学工业工程系，北京100084； 2．南佛罗里达大学工业与管理系统工程系，美国 佛罗里达坦帕 33620) 摘要：尝试运用增强学习方法来研究平行机调度问题，通过定义系统状态、行为和报酬函数，把调度问题转 化为平均报酬型半马尔可夫决策过程，并使用结合函数泛化器的R—Learning算法来解决。提出排名算法，并利 用它和两种常用的调度规则(最短期望加工时间规则和先进先出规则)来定义增强学习的行为。实验结果表明，R —Learning算法通过仿真实验学习较优的调度策略，在不同的决策状态下选择最优或次优的行为，对每个测试问 题的效果都优于以上任何一条调度规则。 关键词：调度；平行机；增强学习；马尔可夫决策过程 中图分类号：0223 文献标识码：A ParaUelmachines withreinforcement schedu¨ng learning zHANG zhi—conf。zHENGLp，wENGMtchneLx．2 Industrial (1．Dep．of Eng．，TsinghuaUniv．，Be巧ing100084，China； IndustrialManagementSystems South 33620，USA) 2．Dep．of Eng．，Univ．ofFlorida，Tampa Abstract：AReinforcement usedto machines Learning(RL)method，R—Learning，wasstudyparallel scheduling whichwasaimedtominimizemeanflowtimeof wasconvertedintoSemi— problems scheduling jobs．The problem MarkovDecision Process(SMDP)bystate，actionsandrewardfunction．ItwassolvedR— definingsystem by functions．A anddefinedasRLaswellastwocommon— Learning heuristic，RankingAlgo“thm(RA)wasproposed used