摘要
多产品的备料交付在集成加工与装配的混合制造系统中面临重大挑战，因为动态订单的到达同时改变了供应依赖关系和可行的作业-机器分配集合。本文提出了一种基于滑动窗口的强化学习（SWRL）框架，旨在解决复杂备料约束下的灵活装配流车间调度问题。
该问题被建模为异构图基础的马尔可夫决策过程，捕捉双层备料结构及尾部产品瓶颈动态，从而产生稀疏的奖励景观。为应对这些挑战，SWRL集成了以下几个关键机制：
- 滑动窗口过滤机制：过滤不活跃节点，优先处理关键的备料操作。
- 时空图编码网络：跟踪连续决策状态中的瓶颈变化。
- 动态行动映射模块：采用受限等待策略，适应在可变拓扑下变化的行动空间。
通过对来自家电制造商的真实实例进行实验，结果表明，SWRL在减少延误方面超越了传统调度规则和现有深度强化学习方法，并在不同资源配置、订单负载和到达浓度下表现出强大的鲁棒性。
博主点评： 本文提出的滑动窗口强化学习方法有效应对了动态调度中的复杂性，通过创新的图模型和过滤机制显著提升了调度效率，具有较高的实际应用价值。该方法的鲁棒性为未来的制造系统调度提供了新的思路。