动态异构图调度网络

跨尺度通用

首次将机器作为独立节点纳入状态图，使工序与机器特征显式交互，实现更精确的状态表示并提升跨尺度泛化能力。

Zhilin, Ou · 王艳红 · 张俊 · 谭园园 · Qichun, Zhang

Expert Systems with Applications 2026

参数信息

ABZ平均makespan差距降低

1.39 %

技术优势

机器特征显式建模

机器不再是工序节点的静态属性，而是动态参与消息传递的节点，工序间通过机器节点交互，状态表示更完整。

跨规模泛化更强

显式机器特征使模型在未见过的更大规模实例上仍保持决策质量，六组基准集平均makespan差距均显著降低。

融合注意力机制

异构GNN集成节点级注意力与跨视图注意力融合，自动权衡不同相邻工序特征，提升状态表示的精度。

应用场景

• 作业车间调度：用图强化学习直接产出调度方案，替代启发式规则，缩短生产周期。
• 生产排程优化：跨规模泛化能力强，可快速适应不同规模产线，减少重新调参成本。
• 复杂系统决策：通过机器与工序的动态交互建模，应对高维复杂决策，提升决策质量。