一种基于图神经网络和强化学习的柔性作业车间调度方法

1.一种基于图神经网络和强化学习的柔性作业车间调度方法，其特征在于，包括：

2.如权利要求1所述的一种基于图神经网络和强化学习的柔性作业车间调度方法，其特征在于，利用agat模型对所述析取图中的工序特征和机器特征进行特征提取，包括：

3.如权利要求1所述的一种基于图神经网络和强化学习的柔性作业车间调度方法，其特征在于，利用agat模型对所述析取图中的工序特征和机器特征进行特征提取，包括：

4.如权利要求1所述的一种基于图神经网络和强化学习的柔性作业车间调度方法，其特征在于，利用rc模型对工序特征和机器特征进行进一步特征提取，包括：

5.如权利要求1所述的一种基于图神经网络和强化学习的柔性作业车间调度方法，其特征在于，所述基于drl的决策网络的结构基于actor-critic网络结构，使用两个多层感知器分别作为actor网络和critic网络；actor网络旨在生成随机策略，使用softmax函数输出所需的分布；将工序和机器的提取特征、全局特征和兼容的工序机器对特征连接在单个向量中，该向量随后被送到多层感知器中以产生然后得到选择动作的概率。