
Generic Multi-Agent Reinforcement Learning Approach for Flexible Job-Shop Scheduling
Kontrola produkcji elastycznych systemów produkcyjnych jest istotnym elementem, który musi być zgodny z wymaganiami elastyczności w zakresie nowych wariantów produktów, nowych umiejętności maszyn i reakcji na nieprzewidziane zdarzenia w czasie pracy.
Niniejsza praca koncentruje się na opracowaniu reaktywnego systemu planowania job-shop dla elastycznych i rekonfigurowalnych systemów produkcyjnych. Podejścia oparte na uczeniu ze wzmocnieniem są zatem badane pod kątem koncepcji wielu agentów, którzy kontrolują produkty, w tym transport i alokację zasobów.