Otimização de Streaming de Lotes na Programação Flexível de Trabalho via Aprendizado por Reforço Profundo

Neste estudo, uma versão especial do Problema de Programação Flexível de Trabalho com restrições de agrupamento igualmente e consistentemente (a partir de agora chamado ECBFJSP) é considerada, envolvendo múltiplos aspectos de coordenação, como seleção de máquinas, ordenação de processos e divisão de lotes, que é altamente complexa e impõe demandas rigorosas sobre a estratégia de otimização. Para enfrentar efetivamente esse desafio, este estudo constrói uma estrutura de algoritmo de aprendizado por reforço profundo de ação dual baseada na Rede Neural Gráfica Heterogênea Aprimorada (EHGNN). Primeiro, um gráfico heterogêneo aprimorado e um modelo EHGNN para o ECBFJSP é inovadoramente proposto. Integrando características de nós multidimensionais, como prioridade de ordens de trabalho, capacidade de processamento de máquinas-ferramenta e restrições de processos, é alcançada a agregação dinâmica de características de vários tipos de informação com o auxílio de GATs e GRUs. O modelo pode produzir representações contextuais que contêm restrições globais de recursos, melhorando significativamente a eficiência de otimização conjunta da programação de trabalho e da partição de lotes, além de aumentar consideravelmente a adaptabilidade da estrutura de decisão de ação dual à complexidade do ECBFJSP. No nível do mecanismo de tomada de decisão, este estudo projetou um espaço de decisão de ação de sequenciamento de processos–seleção de máquinas e ação de partição de lotes, e utilizou o algoritmo DAPPO para otimizar colaborativamente a estratégia de ação dual, garantindo a estabilidade e eficiência do processo de tomada de decisão. Os resultados dos dados experimentais mostram que, em comparação com algoritmos tradicionais, a estrutura de decisão inteligente proposta apresenta melhor qualidade de agendamento ao resolver o ECBFJSP, o que verifica plenamente a eficácia e a praticidade significativas da estrutura na resolução do ECBFJSP.