动态柔性作业车间调度算法

静态环境胜出94%

用深度强化学习求解不确定加工时间下的动态调度，比遗传算法和蚁群优化更优。

Lu, Zhang · 冯毅 · Xiao, Qinge · 徐云浪 · Di, Li · 杨东升 · Yang, Zhile

Journal of Manufacturing Systems 2023

参数信息

静态调度胜率

94.29 %

技术优势

动态环境更强

在动态环境中该智能体相比调度规则表现出优越性，并能稳健应对加工时间变化。

泛化到不同规模

在不同规模的VPT-FJSP问题上测试了智能体的泛化能力，证明其不止适用于特定规模。

静态调度胜率高

在经典FJSP基准测试中，该方法在94.29%的静态调度实例上优于遗传算法和蚁群优化。

应用场景

• 生产调度：替代人工或规则式调度，实时应对加工时间波动，缩短完工时间。
• 工业机器人调度：为机器人工作站提供动态任务分配，提升多机协作效率。
• 具身智能决策：利用图神经网络感知车间状态，让智能体在真实生产环境中自主决策。