面向绿色制造的规则生成与强化学习协同调度优化方法

在绿色制造和智能制造背景下，复杂生产系统需要在生产效率、能源成本与工艺约束之间实现协同优化。本文面向多阶段、多机器、批处理和时间约束并存的生产调度问题，提出一种规则生成与强化学习协同的智能调度框架。该方法利用大模型离线生成具有调度语义的候选规则，并通过确定性程序完成可执行性校验与筛选；在线调度阶段，构建约束感知解码器生成可行候选动作，再由偏好条件化强化学习策略选择合适规则，实现生产周期与能源成本的多目标权衡。实验结果表明，该方法能够生成高质量帕累托调度方案，为复杂制造系统的低碳、高效运行提供智能决策支持。

王心悦，东北大学软件学院特聘研究员、一级副教授，入选国家级海外青年人才项目（博士后专项），担任中国仿真学会资源规划仿真与决策专业委员会副秘书长。博士毕业于法国巴黎萨克雷大学（软科世界大学排名13位）。研究方向包括智能制造、调度优化、群进化计算与人工智能。以第一/通讯作者在IEEE TSMC: Systems、IEEE TASE、IJPR、SWEVO、EAAI、Neurocomputing等期刊和AAAI等CCFA会议发表多篇论文。主持国家自然科学基金青年基金及企业横向等多个项目。指导学生获得挑战杯“揭榜挂帅”擂台赛全国一等奖，获智能优化与调度学术会议“优秀博士学位论文”、国家奖学金等荣誉。