使用图神经网络与强化学习为可中断允许交换阻塞作业车间问题生成调度规则
机器学习
2023-10-02 v2 人工智能
摘要
可中断允许交换阻塞作业车间问题（ISBJSSP）是一个复杂的调度问题，通过同时解决存储容量不足和不可预见的生产中断，能够真实地模拟许多制造规划和物流应用。由于机器故障或维护导致的随机中断，工业生产环境通常选择采用调度规则来实现自适应、实时的重调度，而非传统方法，后者在问题条件每次动态变化时都需要对新配置进行昂贵的重新计算。为了给ISBJSSP问题生成调度规则，我们引入了一种动态析取图表示，其特点是节点和边会持续地删除和添加。这种表示使得利用图神经网络和强化学习训练自适应调度器成为可能。此外，我们还开发了一个模拟器来模拟ISBJSSP环境中的中断、交换和阻塞。利用一组已报告的基准实例，我们对具有一系列机器停机概率的ISBJSSP实例进行了详细的实验研究，结果表明，生成的调度策略能够优于或至少与具有预定优先级的现有调度规则相竞争。本研究表明，当生产中断伴随随机机器停机发生时，需要实时自适应解决方案的ISBJSSP可以用所提出的方法进行高效调度。
引用
@article{arxiv.2302.02506,
title = {Generating Dispatching Rules for the Interrupting Swap-Allowed Blocking Job Shop Problem Using Graph Neural Network and Reinforcement Learning},
author = {Vivian W. H. Wong and Sang Hun Kim and Junyoung Park and Jinkyoo Park and Kincho H. Law},
journal= {arXiv preprint arXiv:2302.02506},
year = {2023}
}
备注
14 pages, 10 figures. Supplementary Material not included