基于深度强化学习的图神经网络方法求解集成工艺规划与调度问题
最优化与控制
2024-09-04 v1 人工智能
机器学习
摘要
集成工艺规划与调度（IPPS）问题将工艺路线规划与车间调度结合，以实现制造中的高效率并最大化资源利用，这对于现代制造系统至关重要。传统方法使用混合整数线性规划（MILP）和启发式算法无法很好地平衡解的质量和求解速度。本文提出一种新颖的端到端深度强化学习（DRL）方法。我们将 IPPS 问题建模为马尔可夫决策过程（MDP），并采用异构图神经网络（GNN）来捕捉操作、机器与工作之间的复杂关系。为优化调度策略，我们使用近端策略优化（PPO）。实验结果表明，与传统方法相比，我们的方法在大规模 IPPS 实例中显著提高了解的效率和质量，为现代智能制造系统提供了优越的调度策略。
引用
@article{arxiv.2409.00968,
title = {Solving Integrated Process Planning and Scheduling Problem via Graph Neural Network Based Deep Reinforcement Learning},
author = {Hongpei Li and Han Zhang and Ziyan He and Yunkai Jia and Bo Jiang and Xiang Huang and Dongdong Ge},
journal= {arXiv preprint arXiv:2409.00968},
year = {2024}
}
备注
24 pages, 13 figures