买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连理工大学申请的专利一种基于深度强化学习的非相关并行机调度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120450376B 。

龙图腾网通过国家知识产权局官网在2025-09-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510928766.4，技术领域涉及：G06Q10/0631；该发明授权一种基于深度强化学习的非相关并行机调度方法是由于洋;杨竣豪;李晓龙;张哲从设计研发完成，并于2025-07-07向国家知识产权局提交的专利申请。

本一种基于深度强化学习的非相关并行机调度方法在说明书摘要公布了：本发明属于工业智能技术领域，是一种基于深度强化学习的非相关并行机调度方法，包括：构建适用于非相关并行机调度的数学模型；采集每个工件在各台异构机器上的加工时间，并进行归一化处理；初始化遗传算法调度种群和深度Q网络；构建深度强化学习训练框架；利用平均适应度、最优适应度和最优个体编码表示状态向量；利用动作空间控制遗传算法的操作参数，利用奖励函数更新深度Q网络的参数；利用训练完成的深度强化学习模型，在遗传算法迭代过程中动态控制算子选择，获得最优调度解，实现非相关并行机的调度。本发明通过分析非相关并行机调度问题数据模型为求解制造业生产调度领域类似问题提供深度强化学习算法，提高生产效率。

本发明授权一种基于深度强化学习的非相关并行机调度方法在权利要求书中公布了：1.一种基于深度强化学习的非相关并行机调度方法，其特征在于，包括： 构建适用于非相关并行机调度的数学模型； 所述非相关并行机调度的数学模型具体包括： 定义调度问题基本集合与符号，设作业集合，异构机器集合，每个作业能够被分配至任一机器，但作业在不同机器上的加工时间不同，构成非相关性特征；将处理时间矩阵表示为，表示作业在机器上的加工时间； 将调度决策变量定义为： 建立调度优化目标函数，设为作业的完工时间，优化目标函数为最小化所有作业的总完工时间，建立调度约束条件： 每个作业必须分配到且仅分配到一台机器： 同一台机器上，任意作业不能重叠加工，若作业、被分配至同一台机器，则需约束其加工顺序，定义变量表示作业的开始加工时间； 完工时间约束，每个作业的完工时间为开始时间与加工时间的和： 其中，变量取值范围； 采集每个工件在各台异构机器上的加工时间，并进行归一化处理； 初始化遗传算法调度种群和深度Q网络； 构建深度强化学习训练框架，定义状态空间、动作空间和奖励函数； 利用平均适应度、最优适应度和最优个体编码表示状态向量； 利用动作空间控制遗传算法的操作参数，利用奖励函数更新深度Q网络的参数； 利用训练完成的深度强化学习模型，在遗传算法迭代过程中动态控制算子选择，获得最优调度解，实现非相关并行机的调度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市高新园区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。