隨着製造業向智能化轉型，多產品配套配送對集成加工與裝配的混合製造系統提出了嚴峻的實時調度挑戰。動態訂單到達會同時改變物料供應依賴關係和可行的機器任務分配，使得傳統調度規則難以適應。針對這一問題，來自中國的研究團隊提出了一種基於滑動窗口的強化學習（SWRL）框架，用於解決具有複雜配套約束的柔性裝配流水車間調度問題。該研究近日以預印本形式發表在arXiv上（編號2607.02941）。
SWRL將問題建模為一種基於異構圖的馬爾可夫決策過程，該過程能夠捕獲雙層配套結構以及尾產品瓶頸動態，這些動態導致獎勵信號稀疏。為了應對挑戰，SWRL集成了三個關鍵模塊：滑動窗口過濾機制，用於過濾不活躍節點並優先處理配套關鍵操作；時空圖編碼網絡，用於跟蹤連續決策狀態間的瓶頸轉移；以及帶有受限等待策略的動態動作映射模塊，能夠適應可變拓撲下的動態動作空間。
研究團隊在家電製造企業的真實生產實例上進行了實驗。結果表明，SWRL在延遲降低方面始終優於經典調度規則（如最早到期日、最短加工時間等）和現有的深度強化學習方法（如DQN、DRL-SF等）。此外，SWRL在不同資源配置、訂單負載和到達集中度下均表現出魯棒的性能。
這一研究為智能製造中的實時調度提供了一種新的端到端解決方案，尤其適用於需要同時考慮加工和裝配的複雜供應鏈環境。論文作者包括Junhao Qiu等六位研究者，論文於2026年7月3日提交。