Learning to Dispatch for Job Shop Scheduling via Deep Reinforcement Learning（使用GIN+PPO解决JSP问题）

最新推荐文章于 2025-04-02 11:16:56 发布

原创最新推荐文章于 2025-04-02 11:16:56 发布 · 2.3k 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#算法

本文介绍了如何利用深度强化学习中的GraphCNN和Actor-Critic模型解决工作车间调度（JSP）问题。文中详细阐述了数据格式、GNN公式、GraphCNN网络结构及前向传播过程，并展示了Actor-Critic网络结构，以求得最优调度策略。

Learning to Dispatch for Job Shop Scheduling via Deep Reinforcement Learning (Zhang, 2020) 运用了深度强化学习的方式去为JSP问题寻找PDR(priority dispatching rule)，模型通用性好，小size训练出的模型在大size的数据集上表现效果好。文章开放了源码，地址：https://github.com/zcajiayin/L2D。今天主要基于源码来分析一下Dispatching中graph的embedding过程。

一. 输入数据格式

测试文件格式：每个npy文件里有10个例子。每个例子用一个二维list表示。List[0]表示运行时间。List[1]表示运行机器。

输入数据格式：变量名：Data Type: array list Data[0]: 运行时间集合 Data[1]: 运行机器集合

二. 文中的GNN公式

三．GraphCNN编码的输入输出

self.feature_extract = GraphCNN (num_layers=num_layers, # 3
                                num_mlp_layers=num_mlp_layers_feature_extract, # 2
                                input_dim=input_dim, # 2
                                hidden_dim=hidden_dim, # 64
                                learn_eps=learn_eps, # false
                                neighbor_pooling_type=neighbor_pooling_type, # sum
                                device=device).to(device)

表格 1 GRAPH CNN输入参数

变量名	Value	Type	说明
num_layers	3	GraphCNN输入参数	网络层数
num_mlp_layers	2	GraphCNN输入参数	MLP层数 K
input_dim	2	GraphCNN输入参数	输入层维度，（BOOL, INT）
hidden_dim	64	GraphCNN输入参数	隐藏层
learn_eps	False	GraphCNN输入参数	学习率
neighbor_pooling_type	sum	GraphCNN输入参数	aggregate neighbors (mean, average, or max)

四．GNN网络结构

GraphCNN( 一共有三层，加上输入层

(mlps): ModuleList(

(0): MLP( # 第一层输入层

(linears): ModuleList(

(0): Linear(in_features=2, out_features=64, bias=True)

(1): Linear(in_features=64, out_features=64, bias=True)

)

(batch_norms): ModuleList( # Normalization

(0): BatchNorm1d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)

# pytorch nn.BatchNorm1d 与手动python实现不一样--解决办法 - 简书

# https://blog.youkuaiyun.com/qq_23262411/article/details/100175943

)

(1): MLP( # 第二层

(linears): ModuleList(

(0): Linear(in_features=64, out_features=64, bias=True)

(1): Linear(in_features=64, out_features=64, bias=True)

)

(batch_norms): ModuleList(

(0): BatchNorm1d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)

)

(batch_norms): ModuleList( # Normalization

(0): BatchNorm1d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)

(1): BatchNorm1d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)

)

五．GraphCNN前向传播

h_pooled, h_nodes = self.feature_extract(x=x,

graph_pool=graph_pool,

padded_nei=padded_nei,

adj=adj)

表格 2 GRAPH CNN前向传播参数

变量名	Value	Type	说明
feature_extract	GraphCNN	GraphCNN类	存储了GraphCNN结构的信息
graph_pool	tensor	GraphCNN前向输入参数	图中每一个点的概率
padded_nei	None	GraphCNN前向输入参数	neighbor_pooling_type为sum取None
adj	tensor	GraphCNN前向输入参数	邻接矩阵，点被执行完为1，未执行为0
x	tensor	GraphCNN前向输入参数	存储了每一个节点的feature

表格 3 GRAPH CNN输出值

变量名	Value	Type	说明
pooled_h	tensor	GraphCNN输出
h_nodes	tensor	GraphCNN输出	每一个点的features

通过GNN得到图的feature后（h_nodes, pooled_h），通过Actor-Critic得到Policy pi。

ActorCritic代码如下：

concateFea = torch.cat((candidate_feature, h_pooled_repeated), dim=-1)

candidate_scores = self.actor(concateFea)

# perform mask

mask_reshape = mask.reshape(candidate_scores.size())

candidate_scores[mask_reshape] = float('-inf')

pi = F.softmax(candidate_scores, dim=1) # 得到策略分布

v = self.critic(h_pooled)

return pi, v

四．Actor-critic网络结构

ActorCritic(

(feature_extract): GraphCNN(

(mlps): ModuleList(

(0): MLP(

(linears): ModuleList(

(0): Linear(in_features=2, out_features=64, bias=True)

(1): Linear(in_features=64, out_features=64, bias=True)

)

(batch_norms): ModuleList(

(0): BatchNorm1d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)

)

(1): MLP(

(linears): ModuleList(

(0): Linear(in_features=64, out_features=64, bias=True)

(1): Linear(in_features=64, out_features=64, bias=True)

)

(batch_norms): ModuleList(

(0): BatchNorm1d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)

)

(batch_norms): ModuleList(

(0): BatchNorm1d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)

(1): BatchNorm1d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)

)

(actor): MLPActor(

(linears): ModuleList(

(0): Linear(in_features=128, out_features=32, bias=True)

(1): Linear(in_features=32, out_features=1, bias=True)

)

(critic): MLPCritic(

(linears): ModuleList(

(0): Linear(in_features=64, out_features=32, bias=True)

(1): Linear(in_features=32, out_features=1, bias=True)

)

前向神经网络得到

h_pooled, h_nodes = self.feature_extract (x=x, graph_pool=graph_pool,padded_nei=padded_nei,adj=adj)

x = fea_tensor

fea_tensor = torch.from_numpy(np.copy(fea)).to(device)

adj, fea, candidate, mask = env.reset(data) # env.reset详细代码在JSSP_ENV中注释

hint：

start time 初始化时全都是-99。

Mask初始化时全都是false。

每一个candidate改成一个list，list对应每一个机器运行的时间。

随机数据第一版生成方式：

Data【0】由1个机器扩成统一的5台机器。
Data【1】，与Data【0】对应。从1-100随机生成时间。