供应链｜Schlably：深度强化学习车间调度实验的Python框架

文章预览

最近发现了一个比较好玩的 开源项目 Schlably ，其是一个基于Python和深度强化学习（DRL），用于进行调度问题实验的框架。它具有可扩展的gym环境和DRL-Agent，以及用于数据生成、训练和测试的相关功能。 1. 引言 生产调度（Production Scheduling, PS）是运筹学（Operations Research, OR）和优化中的一个重要且复杂的问题。它涉及在时间上分配资源以完成生产任务，目标是最小化时间、成本和资源使用等指标。PS问题在人工智能的运用中得到了广泛的关注，尤其是通过深度强化学习（Deep Reinforcement Learning, DRL）技术的应用。 2. 背景与相关工作 Schlably的开发初衷源于一个大学研究项目，该项目需要解决一个实际的生产调度问题，并与工业合作伙伴合作。因此，作者在开发早期就确定了一些设计目标，包括：提供开箱即用的DRL方法和启发式算法、覆盖不同的调度场景 ………………………………