多尺度图注意力调度网络

调度精度显著领先

通过异构图注意力与多尺度嵌入,克服传统方法在分布式柔性作业车间调度中的建模局限,实现调度策略的自适应优化。

张梓琪 · Yu-Han, Huang · Yan-Xuan, Xu · 钱斌 · 胡蓉

Swarm and Evolutionary Computation 2026

参数信息

测试案例数
120
对比启发式规则数
16
对比DRL方法数
2
对比元启发式算法数
4

技术优势

建模表达更精细

通过多尺度异构图注意力网络和多尺度中心扩张注意窗口,能够提取异构图中不同类型的关键特征,更准确地表达调度状态。

决策质量更高

采用近端策略优化(PPO)方法有效评估动作执行后的期望回报,从而更高效地更新调度策略。

性能全面占优

在120个案例上的统计评估表明,它在处理能力、效率、精度和鲁棒性方面均显著优于现有方法。

应用场景