1.一种基于改进近端策略优化算法的作业车间调度方法，其特征在于，包括如下步骤：S1：定义作业车间的加工信息；

S2：定义车间作业环境状态信息；

S3：定义基于调度目标和时间戳的奖励函数，获取初始奖励函数值；

S4：对所述初始奖励函数值进行优化，获取密集奖励函数值；

S5：建立基于改进的近端策略优化算法模型，并根据所述作业车间的加工信息、所述车间作业环境状态信息以及所述密集奖励函数值，获取优化后的待加工工件序号。

2.根据权利要求1所述的一种基于改进近端策略优化算法的作业车间调度方法，其特征在于：所述S1中的作业车间的加工信息还包括：待加工机器序号q：q≤m、和第p个工件在第q台机器上的加工工时timepq；

将所述作业车间的加工信息用矩阵形式表示为：

式中，p表示待加工工件序号；n表示总待工件数量；m表示总的机器数量；Np表示第p个待加工工件；Mpq表示在第q台机器上加工第p个工件。

3.根据权利要求2所述的一种基于改进近端策略优化算法的作业车间调度方法，其特征在于：所述S2中的车间作业环境状态信息包括：state[0]：表示当前工件是否可以被执行；

其中：

式中：false表示工件不能被执行，true表示工件能够被执行；

state[1]：表示归一化当前工序剩余时间；

其中：

state[1]＝max(0,time_left_current_op‑difference)/max_time_op   (3)式中：time_left_current_op表示当前工序剩余时间；difference表示当前时间戳下距离上一次状态更新时的时间间隔；max_time_op表示所有工序中最大调度时间；

state[2]：表示当前工序执行的百分比；

其中：

state[2]＝time_step_job/machines                  (4)式中：time_step_job表示当前正在执行的工序序号；machines表示当前工件所需要的机器数；

state[3]：表示归一化当前工件总共剩余时间；

其中：

state[3]＝total_perform_op_time_jobs/max_time_jobs          (5)total_perform_op_time_jobs＝total_perform_op_time_jobs_o+min(difference,time_left_current_op)  (6)式中：total_perform_op_time_jobs表示当前工件总共剩余时间；max_time_jobs表示所有工件中最大累计调度时间；total_perform_op_time_jobs_o表示上一加工工件总共剩余时间；

state[4]：表示下一工序所需机器归一化可用时间；

其中：

state[4]＝max(0,time_until_available_machine–difference)/max_time_op   (7)式中：time_until_available_machine表示所需机器可用时间；

state[5]：表示上一工序完成后归一化空闲时间其中：

state[5]＝(difference‑time_left_current_op)/sum_op       (8)式中：sum_op表示所有工件的所有工序累计调度时间；

state[6]：表示归一化累积空闲时间；

state[6]＝old_state[6]+state[5]                         (9)式中：old_state[6]表示上一工序完成后的归一化累积空闲时间。

4.根据权利要求3所述的一种基于改进近端策略优化算法的作业车间调度方法，其特征在于：所述S3中的奖励函数为：R(t)＝Tq–idle(tq,tq+1)                        (10)式中：R(t)表示奖励函数；tq表示开始执行第p(p≤n)个工件中的第q个工序时的时刻；

tq+1表示开始执行第p(p≤n)个工件中的第q+1个工序时的时刻；idle表示从tq到tq+1间的空闲时间的函数；Tq表示当前工序所需要的完工时间。

5.根据权利要求4所述的一种基于改进近端策略优化算法的作业车间调度方法，其特征在于：所述S4中，对所述初始奖励函数值进行优化的过程如下：Rt＝γRt‑1+rt                       (11)式中：γ代表折扣因子；Rt‑1代表t‑1时刻的累积奖励值；Rt代表t时刻的累积奖励值；rt代表在t时刻输出的初始奖励函数值；

求解t时刻附加折扣因子的初始奖励函数值的均值和方差：式中：At表示t时刻的初始奖励函数值的均值,Vt表示t时刻的初始奖励函数值的方差；

初始化At和Vt；

则将所述t时刻输出的初始奖励函数值rt进行标准差处理如下：rtb＝rt/sqrt(Vt)                          (14)式中：rtb表示标准差处理后的初始奖励函数值；sqrt表示开方运算；

将所述标准差处理后的初始奖励函数值进行裁剪操作，获取密集奖励函数值如下：rty＝clip(rtb,‑1,1)                        (15)式中：rty表示密集奖励函数值。

6.根据权利要求5所述的一种基于改进近端策略优化算法的作业车间调度方法，其特征在于：所述S5中，基于改进的近端策略优化算法模型建立如下：式中： 表示目标参数θ的奖励值期望；E表示随机变量在一个训练回合的期望；τ为随机变量的一个训练回合；R(τ)表示一个训练回合的奖励值分布；pθ(τ)表示学习轨迹的概率分布，pθ′(τ)表示采样轨迹的概率分布，τ～pθ(τ)表示τ的分布函数为pθ(τ)；

式中： 表示连续形式的梯度函数；st表示时刻t的状态，at表示时刻t的动作；πθθ θ′表示以θ为目标参数的策略；A (st,at)为优势函数，A (st,at)为连续形式的优势函数；pθ(at|st)表示在状态st下采取动作at的目标策略；

将公式(12)写成离散形式如下：

其中： 表示离散形式的优势函数； 表示离散形式的梯度函数；

表示与车间作业环境互动的策略；clip为钳位函数，ε表示超参数。

7.根据权利要求3所述的一种基于改进近端策略优化算法的作业车间调度方法，其特征在于：所述S5前，还包括如下步骤：若在同一时间戳下，同时开始两个工件的工序时，制定工件加工工序优先级选择策略；

所述工件加工工序优先级选择策略如下：

假设工件p1和工件p2同时被分配到同一台机器，工件p1距离加工完成还剩1道工序，工件p2距离加工完成还剩f道工序，若f>1，则此时工件p1中的p1.state[0]＝false，p2.state[0]＝true；

否则：p1.state[0]＝true，p2.state[0]＝false；

式中：p1.state[0]表示工件p1的state[0]状态，p2.state[0]表示工件p2的state[0]状态。