基于风险感知预测-主动框架与图注意力强化学习的动态柔性车间作业调度
《Eng》:Risk-Aware Predictive–Proactive Sustainable Scheduling for Dynamic Flexible Job Shops Under Carbon and Labor Uncertainty
【字体:
大
中
小
】
时间:2026年10月02日
来源:Eng 3.5
摘要
动态柔性车间作业调度(DFJSP)面临来自作业到达、设备故障、人力波动和碳信号变化的复合不确定性,而基于响应式或期望值的方法无法避免代价高昂的尾部事件。本研究提出了一种五阶段风险感知预测-主动框架,该框架结合了滚动时域预测、条件风险价值(CVaR)评估、时间缓冲的主动预分配、预防性维护、能源灵活性、风险自适应MOEA/D算法,以及由图注意力强化学习(RL)智能体进行的实时控制。MOEA/D与智能体之间进行双向知识交换:RL轨迹为演化搜索提供初始解,非支配解则对策略学习进行正则化。在30次独立运行的高复合不确定性环境下,与NSGA-II相比,该框架将延迟CVaR降低了65.4%,碳排放降低了24.5%,人力短缺CVaR降低了65.4%;与最强基线即单智能体深度强化学习相比,分别降低了49.3%、9.8%和49.3%,同时在所测试的最大规模下保持了低于一秒的在线决策延迟。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号