基于图神经网络的柔性作业车间两阶段调度研究

来源：计算机工程与应用杂志2025年第11期北京时间：

作者：魏琦, 李艳武, 谢辉, 牛晓伟

单位：重庆三峡学院 电子与信息工程学院，重庆 404100

摘要：针对柔性作业车间调度问题，以完工时间最小化和总能耗为目标，提出了一种基于图神经网络和深度强化学习的集成算法框架。分析了柔性作业车间调度问题特点，引入析取图将问题转化为序列决策问题，并将其建模为马尔可夫决策过程。基于注意力机制，设计了一种两阶段调度策略；该策略在训练过程中删除了冗余的调度状态，提高了计算效率。针对两阶段调度策略设计了一种基于近端策略优化算法的2S-PPO算法进行训练，以快速响应工序选择和机器分配的联合调度策略。通过标准FJSP算例和带能耗的FJSP算例实验证明，提出的算法相较于传统的优先级调度规则和其他深度强化学习算法，具有较好的学习性能和泛化性能。

关键词：柔性作业车间调度问题（FJSP）,图神经网络,深度强化学习,注意力机制