分布式工厂产能优化配置与任务分配数据集

本数据集根据经典Benchmark算例，针对带作业到达的动态分布式作业车间调度问题，在充分考虑分布式特性和作业到达带来的随机扰动的情况下，设计一种合作的分层多智能体方法。设计两个基于深度强化学习的智能体Agenta和Agents来分配作业和排序作业，以优化完工时间。此外，为了增强代理的学习能力，在训练阶段设计一个具有可变阈值概率的深度Q网络框架，以平衡模型训练中的开发和探索。通过对1350个生产实例进行独立的效用测试和比较测试，所提出的多智能体方法的有效性得到了证实。