Hybrid intelligence for dynamic job-shop scheduling with deep reinforcement learning and attention

提示：自己觉得这篇文章挺好的，想要复现时，没看到更多的参考资料，此篇文章记录一下自己目前的步骤，给读者提供一个参考。

前言

最近，接触了车间调度问题，看到清华深圳研究院发的这篇文章，使用深度强化学习和注意力机制，解决车间调度问题，文章提出了一个gymjsp基准。
文章
代码

---

一、代码运行

（1）直接从github上下载代码，使用pycharm运行
（2）安装下面三个包
（此外还缺一些基础的python包，缺什么安什么）

（3）运行test.py

tmp.html就是运行结果，内容如下

踩过的坑：
（1）github上介绍，指出安装gymjsp，但很多人运行都找不到这个包

在Issues里面，有提出以下解决方法

我也创建了，但在python setup.py install 时，报错。
思考：下载文件里面已经有了gymjsp了，这个基准似乎还没发布，无法使用pip命令直接安装。

二、论文总结

1.论文提出的几个有意思的点

（1）动态调度规则比单一固定调度规则具有优越性。
（2）并非rainbow里面所有的扩展对于动态作业调度有用。
（3）分派规则作为操作总是比使用合格或无限制的操作更好（更重要的是，使用调度规则作为行动空间提供了一种原则性的方法，能够将结构化的领域知识和数据驱动的智能统一起来，从而提高灵活性和效率）

总结

以上是一个简单的记录，欢迎大家相互交流。