异构图神经网络引导的自适应大邻域搜索方法在板式家具生产中的灵活作业车间调度应用

《Applied Sciences》：Heterogeneous Graph Neural Network-Guided Adaptive Large Neighborhood Search for Flexible Job Shop Scheduling in Panel Furniture Production

　　

摘要

本研究将板材家具的生产问题视为一个灵活的Job Shop Scheduling问题（FJSP），在多变的生产条件下需要对运输资源进行约束。提出了一种自适应的大邻域搜索（ALNS）方法，该方法采用异构图神经网络（HeteroGNN）进行指导，称为HeteroGNN-ALNS，旨在平衡生产过程中的完成时间、等待时间和工作负荷。在ALNS中，当前的调度状态被表示为一个异构图，其中板材加工任务和生产资源被建模为不同的节点类型，而分配、运输和顺序信息则通过不同的边类型来表示。此外，还引入了一个搜索状态向量来描述当前的搜索过程。HeteroGNN通过演员-评论家（Actor-Critic）方法进行训练，以指导邻域操作符的选择和搜索空间的构建。实验在四种生产条件和五种任务规模下进行。结果表明，HeteroGNN-ALNS的整体调度性能优于传统的调度规则和常见的搜索方法。统计分析和消融分析进一步验证了所提出方法的有效性。