实时应对大量新作业
高低层强化学习协同解决大规模动态柔性车间调度问题，实时响应随机到达的新作业，性能超越现有调度规则和元启发式方法。
Lei, Kun · 郭鹏 · Wang, Yi · 张剑 · 孟祥印 · Qian, Linmao
IEEE Transactions on Industrial Informatics 2023
端到端分层强化学习框架将大规模动态问题分解为多个小规模静态子问题，避免高维动作空间下的求解延迟，从而在近实时内输出调度方案。
高层网络自动将动态柔性作业车间调度问题划分为不同规模的静态子问题，无需人工预定义分解规则，适应不同车间的任务规模变化。
在多个不同规模实例的离线训练与在线测试中，所提框架获得比知名调度规则和元启发式算法更优的调度质量。