基于图注意力网络和多智能体强化学习的工业制造工作流调度方法

本发明涉及一种基于图注意力网络和多智能体强化学习的工业制造工作流调度方法，包括：步骤S1：获取工作流，并基于工作量构建工作流调度模型；步骤S2：根据工作流调度模型及机器集群资源模型，构建强化学习模型，并利用基于深度学习的Q‑learning算法进行训练，输出最终分配策略；步骤S3：在工作流任务的执行过程中，根据任务的执行进度和机器的负载情况，实时响应任务进度和机器负载的变化，动态更新容器的执行顺序。与现有技术相比，本发明具有成本效益高、容错能力强和适应性强等优点。