不完全前瞻信息下多用途批处理过程的贝叶斯动态调度

针对现实制造中前瞻信息不完全的动态扰动环境，研究提出了一种用于多用途批处理过程的贝叶斯动态调度方法。该方法通过从扰动分布中学习贝叶斯网络，在线执行时结合实时观测更新后验概率以指导重调度。在 4 个基准问题上的计算结果表明，该方法在长期成本和系统调度变动（system nervousness）指标上均在统计上显著优于周期性重调度策略。