1.摘要

分布式柔性作业车间调度（DFJSP）同时涉及工厂选择、机器分配和工序排序，并要求生产过程与跨工厂物流协同。现有研究大多只考虑单个工厂内部的运输，忽略了跨工厂运输以及运输资源的异构性。本文研究带异构运输资源约束的分布式柔性作业车间调度问题（DFJSPHT），以最小化最大完工时间（makespan）为目标，提出一种端到端深度强化学习（DRL）调度方法。论文构建异构析取图，统一表示工厂、机器、工序和运输资源的状态及交互关系，并将调度过程建模为马尔可夫决策过程（MDP）。为减少运输资源等待，设计基于资源状态的释放策略；为提高复杂约束下的特征表达能力，设计融合图注意力网络（GAT）与多层感知机（MLP）的三阶段节点特征嵌入，并使用近端策略优化（PPO）训练策略—价值网络。

2.DFJSPHT 问题与异构析取图模型

见个人简介