GCNN-DRL弹性调度控制算法

扰动后快速恢复调度

一种结合图卷积特征提取与深度强化学习自主决策的两阶段控制算法，用于大规模个性化原型生产在持续扰动下的弹性调度与快速恢复。

冷杰武 · Ruan, Guolei · Caiyu, Xu · Xueliang, Zhou · 徐凯林 · Qiao, Yan · Zhihong, Liu · 刘强

IEEE Transactions on Systems, Man, and Cybernetics: Systems 2024

技术优势

扰动后恢复更快

通过两阶段控制决策策略，模型能够快速重新安排调度决策，从而在扰动发生后实现系统性能的快速恢复。

持续压力下性能稳定

算法能够承受工件补充等持续重大压力，保持系统性能，从而避免因扰动导致的利润损失。

应用场景

• 智能调度：替代人工调度，在订单动态到达和扰动下自动生成弹性调度方案。
• 弹性制造：在持续工件补充等压力下维持系统稳定，实现快速恢复，提升系统弹性。