原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
４４２２０２５２
ＩＳＳＮ１００６－７１６７第卷第期年月
ＣＮ３１－１７０７／ＴＲＥＳＥＡＲＣＨＡＮＤＥＸＰＬＯＲＡＴＩＯＮＩＮＬＡＢＯＲＡＴＯＲＹＶｏｌ．４４Ｎｏ．２Ｆｅｂ．２０２５
ＤＯＩ：１０．１９９２７／ｊ．ｃｎｋｉ．ｓｙｙｔ．２０２５．０２．０２０
基于图神经网络和强化学习的柔性作业车间调度算法
王亮，顾益铭，刘世亮
（同济大学机械与能源工程学院，上海）
２０１８０４
摘要：针对不同规模的柔性作业车间调度问题，提出一种基于图神经网络的深度
ＧＲＬ３
强化学习算法（）。该算法采用个异构析取子图来表征车间状态，并利用图
神经网络提取车间特征，构建相应的马尔可夫决策过程，使用模仿学习与强化学习
ＧＲＬ
相结合的联合训练策略来更新神经网络参数。实验结果表明，所提算法在不
同规模订单、工序复杂程度和机器选择柔性下表现出较低的最长完工时间和较小
的案例参数敏感性。将小规则案例下训练的网络泛化至大规模案例，体现相对优
先调度规则较好且稳定的求解质量。研究成果为项目式教学提供典型的人工智能
应用案例。
关键词：强化学习；图神经网络；模仿学习；柔性作业车间调度
ＴＰ３０１．６Ａ１００６－７１６７（２０２５）０２－０１０１－０９
中图分类号：文献标志码：文章编号：
ＦｌｅｘｉｂｌｅＷｏｒｋｓｈｏｐＳｃｈｅｄｕｌｉｎｇＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＧｒａｐｈＮｅｕｒａｌＮｅｔｗｏｒｋｓ
ａｎｄＲｅｉｎｆｏｒｃｅｍｅｎｔＬｅａｒｎｉｎｇ
ＷＡＮＧＬｉａｎｇ，ＧＵＹｉｍｉｎｇ，ＬＩＵＳｈｉｌｉａｎｇ
（ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＴｏｎｇｊｉＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２０１８０４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｇｒａｐｈｎｅｕｒａｌｄｅｅｐｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍ（ＧＲＬ）ｉｓｐｒｏｐｏｓｅｄｆｏｒｆｌｅｘｉｂｌｅｊｏｂｓｈｏｐｓｃｈｅｄｕｌｉｎｇ
ｐｒｏｂｌｅｍｓｏｆｄｉｆｆｅｒｅｎｔｓｃａｌｅ．Ｔｈｅａｌｇｏｒｉｔｈｍｅｍｐｌｏｙｓｔｈｒｅｅｈｅｔｅｒｏｇｅｎｅｏｕｓｄｉｓｊｕｎｃｔｉｖｅｓｕｂｇｒａｐｈｓｔｏｒｅｐｒｅｓｅｎｔｔｈｅｓｔａｔｅｓｏｆ
ｔｈｅｊｏｂｓｈｏｐａｎｄａｇｒａｐｈｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｅｘｔｒａｃｔｆｅａｔｕｒｅｓｏｆｔｈｅｊｏｂｓｈｏｐ．ＴｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇＭａｒｋｏｖｄｅｃｉｓｉｏｎｐｒｏｃｅｓｓ
ｉｓｃｏｎｓｔｒｕｃｔｅｄａｎｄｔｈｅｎｅｕｒａｌｎｅｔｗｏｒｋｐａｒａｍｅｔｅｒｓａｒｅｕｐｄａｔｅｄｕｓｉｎｇａｊｏｉｎｔｔｒａｉｎｉｎｇｓｔｒａｔｅｇｙｃｏｍｂｉｎｉｎｇｉｍｉｔａｔｉｏｎｌｅａｒｎｉｎｇ
ａｎｄｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇ．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔＧＲＬｅｘｈｉｂｉｔｓｌｏｗｅｒｍａｘｉｍｕｍｃｏｍｐｌｅｔｉｏｎｔｉｍｅａｎｄｓｍａｌｌｅｒ
ｉｎｓｔａｎｔｓｐａｒａｍｅ
- 乡村振兴、双碳、储能、绿色金融 + 关注
-
实名认证服务提供商
新能源知识科普（本账号发布文档均来源于互联网公开资料，仅用于技术分享交流，相关版权为原作者所有。如果侵犯了您的相关权利，请提出指正，我们将立即删除相关资料）。
文档评论（0）