柔性作业车间里，订单插单、设备故障、加工时间偏差会不断改写调度状态，也会改写“下一步先做谁”的优先级。固定调度规则快、可解释，但一套逻辑难以适配所有状态。华中科技大学机械科学与工程学院提出的 DSevolve，把这个问题拆成两半：离线用大模型进化出一个多样化的规则库，在线用神经网络按当前车间状态挑规则。
一条“冠军规则”管不了动态车间
柔性作业车间调度（FJSP）要在可选机床上分配工序并排定顺序，本身是 NP-hard 问题。动态版本（DFJSP）又叠加了新订单到达、机器故障和加工时间波动，调度状态持续变化。精确的混合整数规划或约束规划能给出高质量方案，但在线反复重优化很难满足响应要求；启发式调度规则快而透明，却把同一套优先逻辑套用到所有状态；基因表达式编程能进化出更丰富的规则，但部署后仍然固定；深度强化学习引入状态相关决策，但端到端调度器常受规模迁移和可解释性困扰，规则选择型方法又受限于预定义规则集的质量与多样性。
大模型驱动的自动启发式设计提供了新路径。EoH、ReEvo、HSEvo 等工作表明，大模型能合成比手工规则更易读的复合优先级函数。但关键缺口在于：这些规则通常离线进化一次，随后固定部署。同一动态轨迹中，不同事件状态可能偏好不同的优先级行为；而在每次扰动后重跑一遍大模型进化，又与在线重调度的速度要求相冲突。
离线造库：要多样性，不要单一精英
DSevolve 的离线阶段是一次质量—多样性搜索。它用多角色种子（multi-persona seeding）产生初始规则，用 MAP-Elites 行为档案按行为特征归档候选，再用行为引导的变异算子扩展搜索，目标是保留一组行为互补的规则，而不是只留下训练集上最好的那一条。实验中，规则库由 Qwen-Plus 生成，规模为 400 条复合调度规则。
规则库建好后，论文用事件级仿真产生训练标签，训练一个神经选择器。选择器学习的是候选规则的相对排序，而不是“哪条规则最好”的单标签，损失函数采用 ListNet 排序损失。
在线选规则：22 维状态指纹
在线阶段，每次初始化、订单到达或机器故障之后，选择器都会接收一个 22 维状态指纹，输出 400 维规则得分，选出排名最高的规则并执行到下一个事件。状态指纹由比值和归一化差值构成，以便在规模变化时仍可用。论文称，选规则可在约一秒内完成；可选的 Top-K 前瞻则在响应时间与调度质量之间提供一个可调旋钮。
实测：小规模训练，大规模零样本
实验用 Brandimarte 基准构造动态实例：MK01–MK06 生成 500 个小规模训练实例（425 训练、75 验证），MK07–MK10 生成 320 个中等规模测试实例，MK11–MK15 生成 400 个大规模泛化实例，插单后最大达到 330 个工件。
在主结果中，DSevolve 的平均 makespan 为 5296.75，相对差距 2.74%。对静态自动启发式设计的精英规则，它对 EoH、HSEvo、ReEvo 的胜率分别为 72.50%、71.25% 和 71.88%；对七种经典调度规则胜率超过 97%；对 DRL-GP、GEP-Nie、GEP-Shady 的胜率分别为 75.62%、89.69% 和 72.81%。论文还指出，经典单特征规则的相对差距都在 50% 以上，复合规则基线都在 20% 以内——多特征组合已吃掉大部分差距，DSevolve 的优势来自按状态切换。
只在 MK01–MK06 上训练的选择器，零样本迁移到更大规模实例后仍保持优势：大规模集上平均 makespan 为 7113.22，EoH 为 7250.09，相对差距 2.19%；对三种大模型进化基线的胜率为 75.00%–77.75%，对全部经典规则在 400 个泛化实例上全胜。消融也支持这一判断：把规则库坍缩成单条训练最优规则，平均 makespan 升到 5396.52；去掉多角色初始化升到 5519.84；去掉行为特征空间升到 5489.75。
边界与启示
代价是复杂度移到了离线：规则库要进化、选择器要仿真训练，在线只做一次轻量排序。实验全部建立在基准衍生的动态实例上，采用“同一时刻只激活一条规则”的部署协议，尚未覆盖真实产线的数据噪声与规则切换开销。但它给出了一条清晰思路：大模型不必直接当调度器，它可以负责“造规则”，把实时决策留给一个可解释、可审计的选择器。
资料来源：DSevolve: Enabling Real-Time Adaptive Scheduling on Dynamic Flexible Job Shop with LLM-Evolved Heuristic Portfolios — arXiv（2026）。本文为技术要点整理/编译，非原文全文。