面向物料搬运系统动态调度的多智能体决策Transformer：基于企业大数据

动态调度规则实时地将资源分配给任务，在确保许多行业自动化物料搬运系统的高效运行中发挥着关键作用。传统上，所部署的调度规则通常是基于领域专家知识手动设计的启发式规则。生成这些规则耗时且往往次优。随着企业越来越多地积累大量运营数据，利用这些大数据来提升自动化系统性能具有巨大潜力。一种有前景的方法是使用决策Transformer(Decision Transformers)，它们可以基于现有企业数据进行训练，学习更好的动态调度规则以提高系统吞吐量。在本工作中，我们研究了决策Transformer作为实际多智能体物料搬运系统中动态调度策略的应用，并识别了企业可以有效利用决策Transformer在现有大数据上获得商业价值的场景。我们的实证结果表明，当企业数据中原始启发式规则表现出中等性能且不涉及随机性时，决策Transformer可以显著提高物料搬运系统的吞吐量。当原始启发式规则性能较强时，决策Transformer仍能提升吞吐量但提升幅度较小。然而，当原始启发式规则包含随机性元素或数据集性能低于某个阈值时，决策Transformer无法超越原始启发式规则。这些结果突显了决策Transformer作为自动化工业物料搬运系统调度策略的潜力和局限性。