6月29日，CSA工业互联网安全研究团队第28期组会召开，会议由国际联合实验室博士生赵可景主持。本次组会主题是基于深度强化学习和模因算法求解考虑工人合作和学习效应的分布式柔性车间调度问题。

河南科技大学2021级博士研究生常亚楠汇报了论文《Based on deep reinforcement learning and memetic algorithms for distributed flexible job shop scheduling problem considering worker cooperation and learning effects using》，文中提出了一种融合深度强化学习（DRL）与模因算法（MA）的混合优化方法。该方法首先设计不同初始化策略，以增强种群多样性和解的分布质量；其次，在解码过程中采用两阶段主动调度解码策略，有效处理工人合作、学习效应中的动态约束问题；此外，构建了局部搜索算子，并通过DRL根据当前环境的状态信息，实现针对不同搜索阶段和局部环境特征的自适应选择，从而平衡全局探索与局部开发。**后，在30个随机算例上的计算实验表明，所提出的DRL-MA算法在解质量与收敛速度方面均显著优于对比算法。该研究为以人为中心的智能制造系统提供了有效的调度优化方法，有助于提升生产效率与资源协同水平。

在交流环节，与会组员围绕分布式柔性作业车间（DFJSP）中考虑工人因素的调度方法展开了深入讨论，尤其是高柔性制造环境中，无法充分利用工人的协作潜力与技能优势，因此，如何通过调度方法动态匹配**优合作组合，是未来研究的重要方向。

（图文/常亚楠 审核/赵可景）