丁彬楚，汤洪涛

（浙江工业大学 工业工程研究所，浙江 杭州 310014）

0 引 言

车间初始生产调度方案实际执行时，会遇到各种各样的扰动，这些扰动会带来重调度的需求，并且这些扰动对重调度方法的实时性、动态性及其耦合能力都有很高要求。基于多Agent的调度技术采用协商机制解决调度决策中的各类冲突，能够准确地反映系统的动态重调度过程，降低问题求解的复杂性，对动态的现实环境具有良好的灵活性和适应性。

现有的协商机制中基于合同网（CNP）的协商机制最为常用，一般认为，合同网协商机制具有较好的开放性以及动态分配和自然平衡能力。但是，传统的合同网协商机制仅仅规定单一的工作过程，本身没有优化能力和动态学习能力，因此具有自学习能力的合同网协商机制成为了该领域研究的热点。Csaji等[1]以提高Agent的学习能力为目的，提出了基于时间差分学习算法TD(λ)，从而在协商过程中获得更好的投标者。Wang和Usher[2-3]为解决动态单机调度问题中调度规则动态优化选择的问题，集成了强化学习中的Q-学习和CNP机制。王世进等[4]在此基础上，深入探讨了集成Q-学习和CNP机制的分布式柔性作业车间环境下作业动态分配优化问题，给出了具有针对性的集成机制的策略决策过程和学习过程。Q学习能够使Agent从给定的调度规则中选择出较好的调度规则，但是当这些启发式规则在学习中得不到最优解时，不能及时得到修正，并且Q学习本身无规划能力，不能满足重调度需求。……