买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉昆明理工大学申请的专利基于双深度强化学习和多层智能体的分布式柔性作业车间调度方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119494504B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411553341.1，技术领域涉及：G06Q10/0631；该发明授权基于双深度强化学习和多层智能体的分布式柔性作业车间调度方法及系统是由张梓琪;李小伟;钱斌;胡蓉设计研发完成，并于2024-11-01向国家知识产权局提交的专利申请。

本基于双深度强化学习和多层智能体的分布式柔性作业车间调度方法及系统在说明书摘要公布了：本申请涉及智能制造技术领域，尤其涉及一种基于双深度强化学习和多层智能体的分布式柔性作业车间调度方法及系统。通过引入多层级的智能体调度框架，通过顶层、中间层和底层智能体协同工作，分层决策，将全局复杂问题分解为多个局部问题；此外，通过各个层级的智能体对分布式柔性作业车间的不同调度任务进行分散执行，无需中央协调者来管理每一个决策，当环境发生局部变化时，各个层级能够迅速适应，并根据其特定的上下文做出最优决策，同时仍然服务于整个系统的总体目标。旨在解决如何提升分布式柔性作业车间的调度精度的问题。

本发明授权基于双深度强化学习和多层智能体的分布式柔性作业车间调度方法及系统在权利要求书中公布了：1.一种基于双深度强化学习和多层智能体的分布式柔性作业车间调度方法，其特征在于，应用于分布式柔性作业车间调度系统，所述系统包括：用于根据工件信息确定出加工优先级最高的目标待加工工件的顶层智能体，用于根据工厂信息确定所述目标待加工工件对应的目标加工工厂的中间层智能体，以及用于根据所述目标加工工厂中的加工机器信息确定所述目标待加工工件对应的目标加工机器的底层智能体，所述顶层智能体、所述中间层智能体和所述底层智能体在集中训练过程中均采用双深度强化学习算法进行参数优化，所述方法包括以下步骤： S1，所述顶层智能体从调度环境中获取t时刻的当前顶层状态特征，并根据所述当前顶层状态特征确定工件决策信息，将所述工件决策信息传递至所述中间层智能体和所述底层智能体； S2，所述中间层智能体从所述调度环境中获取当前中间层状态特征，并根据所述工件决策信息和当前中间层状态特征确定工厂决策信息，将所述工厂决策信息传递至所述底层智能体； S3，所述底层智能体从所述调度环境中获取当前底层状态特征，根据所述工件决策信息、所述工厂决策信息以及所述当前底层状态特征，确定设备决策信息； S4，根据所述工件决策信息、所述工厂决策信息和所述设备决策信息，确定联合决策信息，基于所述联合决策信息执行调度策略，以及对所述调度环境进行一次状态转移，以使所述顶层智能体获取t+1时刻的顶层状态特征和奖励，并回馈至所述顶层智能体； S5，循环执行S1-S4步骤直至每一待加工工件加工完成； 所述顶层智能体、所述中间层智能体和所述底层智能体在集中训练过程中均采用双深度强化学习算法进行参数优化的步骤包括： 在训练的初始阶段，在t+1时刻对所述顶层智能体、所述中间层智能体和所述底层智能体进行预决策处理，分别得到每个层智能体对应的经验元组，所述经验元组包括顶层经验元组、中间层经验元组和底层经验元组； 在进行预决策处理完成，通过缓冲控制器分别将所述顶层经验元组、所述中间层经验元组和所述底层经验元组存入各自对应的经验缓冲区，所述经验缓冲区包括顶层经验缓冲区、中间层经验缓冲区和底层经验缓冲区； 当所述经验缓冲区大于其对应的缓冲区预设下限时，随机采样所述经验缓冲区中的D个经验元组进行网络参数更新。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人昆明理工大学，其通讯地址为：650031 云南省昆明市一二一大街文昌路68号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。