GNN调度规则生成器

自学习自进化

该成果通过图神经网络与强化学习的结合,使调度规则能够从环境中自主学习并进化,突破了传统优先调度规则缺乏自学习能力的局限。

Huang, Jiangping · 高亮 · 李新宇 · 张春江

Journal of Manufacturing Systems 2023

参数信息

测试实例数
240
对比方法数
16

技术优势

规则能自学

通过与调度环境交互,自动优化策略,无需人工重新设计规则。

胜过16种基准

在240个实例上,有效性、泛化性和稳定性均优于8种经典规则、5种元启发式方法和3种强化学习方法。

泛化性更强

在240个测试实例上验证,优于其他16种方法,证明在不同问题规模下均能保持良好性能。

应用场景