基于门控循环单元与深度强化学习的柔性作业车间调度优化研究

《Knowledge-Based Systems》：Flexible Job-Shop Scheduling via Gated Recurrent Unit and Deep Reinforcement Learning

本文创新性地提出了一种结合门控循环单元（GRU）与近端策略优化（PPO）算法的端到端深度强化学习（DRL）框架，通过异构图表征车间状态，将柔性作业车间调度问题（FJSP）建模为马尔可夫决策过程（MDP）。实验表明该方法在收敛速度、调度效率和稳定性方面均优于传统优先级分派规则（PDR）及循环神经网络（RNN）、长短期记忆网络（LSTM）等神经网络方法，为复杂制造系统提供了鲁棒且可扩展的解决方案。

　　

亮点

本研究提出了一种新颖的深度强化学习（DRL）调度框架，融合门控循环单元（GRU）与近端策略优化（PPO）算法，以应对柔性作业车间调度问题（FJSP）的复杂性。通过异构图表征车间环境，有效捕捉众多工序与机器间的状态特征。调度过程被构建为马尔可夫决策过程（MDP），其中基于GRU的智能体通过PPO训练建模时间依赖性与多目标约束。嵌入特征表示用于从优先级分派规则（PDR）中推导动作概率。基准实验表明，所提方法优于传统PDR及基于神经网络的方法（包括循环神经网络RNN和长短期记忆网络LSTM）。结果凸显了更快的收敛速度、更高的调度效率以及跨多样场景下更低的计算波动性，证明该模型是解决FJSP的强健且可扩展方案。

结论与未来工作

本研究提出了一种新颖的基于DRL的调度框架，整合GRU和PPO以解决FJSP。通过利用异构图表征，该方法有效捕捉了FJSP的时间依赖性和内在约束。大量实验证实，所提方法相较于现有启发式和基于神经网络的方法，实现了更快的收敛、更高的调度效率及更低的计算波动性。结果凸显了该框架在复杂制造环境中的鲁棒性和可扩展性。未来工作将探索更复杂的动态约束和多目标优化场景。