近日，蘭州理工大學(xué)科研團(tuán)隊(duì)在智能優(yōu)化調(diào)度研究領(lǐng)域取得重大突破，由計(jì)算機(jī)與人工智能學(xué)院教授趙付青與2024級(jí)碩士研究生趙程，聯(lián)合清華大學(xué)國(guó)家杰青王凌教授、聊城大學(xué)桑紅燕教授共同完成的研究論文“A Deep Reinforcement Learning Framework Assisted by Genetic Programming for Dynamic Flexible Job Shop Scheduling”發(fā)表在《IEEE Transactions on Evolutionary Computation》（中國(guó)科學(xué)院一區(qū)TOP和JCR一區(qū)期刊，影響因子12.0）上。該論文是蘭州理工大學(xué)首次在IEEE頂級(jí)匯刊TEVC上發(fā)表論文，蘭州理工大學(xué)計(jì)算機(jī)與人工智能學(xué)院為第一完成單位，趙付青教授和王凌教授為共同通訊作者。
針對(duì)作業(yè)持續(xù)到達(dá)的動(dòng)態(tài)柔性作業(yè)車(chē)間調(diào)度問(wèn)題，研究團(tuán)隊(duì)創(chuàng)新性地提出一種混合遺傳規(guī)劃與深度強(qiáng)化學(xué)習(xí)的框架，對(duì)遺傳規(guī)劃與深度強(qiáng)化學(xué)習(xí)融合使用機(jī)理進(jìn)行分析，為智能制造提供了可擴(kuò)展的智能調(diào)度新思路。本研究將遺傳規(guī)劃個(gè)體作為深度強(qiáng)化學(xué)習(xí)動(dòng)作以解耦人工設(shè)計(jì)動(dòng)作的依賴(lài)，通過(guò)行為特征聚類(lèi)提高遺傳規(guī)劃種群多樣性，訓(xùn)練Tree-LSTM模型從結(jié)構(gòu)特征層面對(duì)遺傳規(guī)劃個(gè)體進(jìn)行表征。與其它同類(lèi)型工作相比，該方法展現(xiàn)出優(yōu)秀的性能。
研究團(tuán)隊(duì)主要在調(diào)度理論、優(yōu)化算法、智能優(yōu)化理論與算法等方面開(kāi)展研究工作。2025年以來(lái)已連續(xù)在《IEEE Transactions on Evolutionary Computation》《IEEE Transactions on Cybernetics》《IEEE Transactions on Systems, Man and Cybernetics: Systems》《IEEE Transactions on Industrial Informatics》，《Expert Systems With Applications》等中國(guó)科學(xué)院一區(qū)Top期刊發(fā)表多篇高水平論文，在智能調(diào)度與優(yōu)化研究領(lǐng)域具有重要的影響力。（圖/文：許天鵬；審核：郭備）
甘公網(wǎng)安備 62010002000207號(hào)