DSevolve：利用 LLM-Evolved Heuristic Portfolio 在动态车间实现实时自适应调度

在动态制造环境中，机器故障和新订单到达等中断会不断改变最佳调度策略，因此自适应规则选择至关重要。现有的大语言模型驱动的自动启发式设计（AHD）框架正在朝着单一的精英规则发展，无法满足这种适应性需求。为了解决这个问题，我们提出了 DSevolve，这是一种工业调度框架，它可以离线发展质量多样化的调度规则组合，并以秒级响应时间自适应地在线部署它们。多角色播种和拓扑感知进化算子生成由 MAP-精英特征空间索引的行为多样化的规则档案。在每次中断事件发生时，基于探测的指纹识别机制都会表征当前车间状态，从离线知识库中检索高质量的候选规则，并通过快速前瞻模拟选择最佳规则。通过对源自真实工业数据的 500 个动态灵活作业车间实例进行评估，DSevolve 的性能优于最先进的 AHD 框架、经典调度规则、遗传编程和深度强化学习，为智能车间调度提供实用且可部署的解决方案。