doubleDQN用在柔性作业车间调度问题上，并且使用softman更新策略的伪代码

以下是使用Double DQN算法和Softmax更新策略解决柔性作业车间调度问题的伪代码：

1. 初始化双重DQN的两个神经网络Q1和Q2，以及目标网络Q_target
2. 初始化经验回放缓冲区D
3. 初始化状态s
4. 重复以下步骤直到收敛：
   a. 从状态s开始，根据当前Q1和Q2的输出和Softmax策略选择一个动作a
   b. 执行动作a，得到奖励r和下一个状态s'
   c. 将(s, a, r, s')存储到经验回放缓冲区D中
   d. 从经验回放缓冲区D中随机采样一个批次的数据，进行双重DQN的更新：
      i. 根据Q1和Q2的输出，计算下一个状态的Q值：
         Q_next = softmax(Q1(s', a') + Q2(s', a'))
      ii. 根据目标网络Q_target的输出，计算目标Q值：
         Q_target = r + gamma * Q_next
      iii. 计算Q1和Q2的损失函数，并更新参数：
         loss_Q1 = MSE(Q1(s, a), Q_target)
         loss_Q2 = MSE(Q2(s, a), Q_target)
         Q1.backward(loss_Q1), Q2.backward(loss_Q2)
         Q1_optimizer.step(), Q2_optimizer.step()
      iv. 每隔一定的时间，将Q1和Q2的参数复制到目标网络Q_target中
   e. 更新状态s为s'

其中，Softmax策略的计算公式为：

p(a) = exp(Q(s, a) / tau) / sum(exp(Q(s, a') / tau))

其中，tau为温度参数，控制探索的程度。更高的tau会导致更多的随机选择动作。