控制理论与应用

作者：包海著,潘全科

单位：上海大学 机电工程与自动化学院,上海大学 机电工程与自动化学院

关键词：级联车间调度;流水车间;动态调度;深度强化学习;图神经网络

基金：国家自然科学基金项目(62273221),航空科学基金项目(2024Z0710S6002)资助.

针对动态级联车间能效调度问题(DCSESP),本文研究了由分布式流水车间、混合流水车间及二者之间的运输阶段组成的级联车间系统,旨在最小化订单总延迟时间和总能耗.为此,建立了混合整数线性规划模型,并提出了一种基于图神经网络的深度强化学习(GDRL)算法.首先,针对级联车间调度问题,设计了一种异构图模型,构建了三阶段节点嵌入方法,用于实时捕捉车间的动态状态特征;其次,依据提取的状态特征,分别对级联车间的两个阶段执行工件和工序选择决策;最后,将多层感知机(MLP)和图注意力网络(GAT)结合于近端策略优化(PPO)算法的行动者–评论者框架中,进行训练与学习,从而实现级联车间的快速联合调度.实验结果表明,GDRL算法在求解动态级联车间能效调度问题时,显著优于其他3种先进的调度方法,尤其在复杂问题场景下表现出更强的优化能力和鲁棒性.

来源：2025年第11期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2025年第11期