柔性制造系统内部物流：使用着色时间 Petri 网和带动作掩码的 Actor-Critic 强化学习对 AGV 和刀具共享进行动态优化
人工智能
2026-01-09 v1
摘要
柔性制造系统(FMS)在当今快速发展的制造格局中对于优化生产流程至关重要。本文通过同时集成自动导引车(AGV)和刀具共享系统，引入了额外的复杂性，从而推进了传统的作业车间调度问题。我们提出了一种新颖的方法，将着色时间 Petri 网(CTPN)与基于 actor-critic 模型的强化学习(MBRL)相结合，有效解决了与 FMS 相关的多方面挑战。CTPN 提供了形式化的建模结构和动态动作掩码，显著减少了动作搜索空间，而 MBRL 通过学习策略确保了对变化环境的适应性。利用 MBRL 的优势，我们引入了一种前瞻策略来优化 AGV 的定位，提高了运营效率。我们的方法在小型公开基准测试和一个受 Taillard 基准启发的新开发的大规模基准测试上进行了评估。结果表明，我们的方法在较小实例上与传统方法性能相当，在较大实例上在完工时间方面优于传统方法，同时计算时间减少了十倍。为了确保可重复性，我们提出了一个兼容 gym 的环境和一个实例生成器。此外，一项消融研究评估了每个框架组件对其整体性能的贡献。
引用
@article{arxiv.2601.04887,
title = {Flexible Manufacturing Systems Intralogistics: Dynamic Optimization of AGVs and Tool Sharing Using Coloured-Timed Petri Nets and Actor-Critic RL with Actions Masking},
author = {Sofiene Lassoued and Laxmikant Shrikant Bahetic and Nathalie Weiß-Borkowskib and Stefan Lierc and Andreas Schwunga},
journal= {arXiv preprint arXiv:2601.04887},
year = {2026}
}