基于滑动窗口的强化学习用于多产品配送的动态装配流水车间调度
该论文提出了一种基于滑动窗口的强化学习（SWRL）框架，用于解决具有复杂配套约束的柔性装配流水车间调度问题。该方法将问题建模为异构图马尔可夫决策过程，并集成了滑动窗口过滤、时空图编码和动态动作映射模块。在家电制造企业的真实数据实验中，SWRL相比经典调度规则和现有深度强化学习方法，显著降低了延迟，并在不同资源配置下展现出鲁棒性。
随着制造业向智能化转型，多产品配套配送对集成加工与装配的混合制造系统提出了严峻的实时调度挑战。动态订单到达会同时改变物料供应依赖关系和可行的机器任务分配，使得传统调度规则难以适应。针对这一问题，来自中国的研究团队提出了一种基于滑动窗口的强化学习（SWRL）框架，用于解决具有复杂配套约束的柔性装配流水车间调度问题。该研究近日以预印本形式发表在arXiv上（编号2607.02941）。
SWRL将问题建模为一种基于异构图的马尔可夫决策过程，该过程能够捕获双层配套结构以及尾产品瓶颈动态，这些动态导致奖励信号稀疏。为了应对挑战，SWRL集成了三个关键模块：滑动窗口过滤机制，用于过滤不活跃节点并优先处理配套关键操作；时空图编码网络，用于跟踪连续决策状态间的瓶颈转移；以及带有受限等待策略的动态动作映射模块，能够适应可变拓扑下的动态动作空间。
研究团队在家电制造企业的真实生产实例上进行了实验。结果表明，SWRL在延迟降低方面始终优于经典调度规则（如最早到期日、最短加工时间等）和现有的深度强化学习方法（如DQN、DRL-SF等）。此外，SWRL在不同资源配置、订单负载和到达集中度下均表现出鲁棒的性能。
这一研究为智能制造中的实时调度提供了一种新的端到端解决方案，尤其适用于需要同时考虑加工和装配的复杂供应链环境。论文作者包括Junhao Qiu等六位研究者，论文于2026年7月3日提交。