一种基于图神经网络和强化学习的飞机维修机位调度方法

本发明涉及一种基于图神经网络和强化学习的飞机维修机位调度方法，涉及飞机维修机位调度技术领域。包括：基于维修项目的析取图和维修机位的空间拓扑图构建时空耦合异构图模型，针对动态场景中节点和边的增减，设计自适应时间窗划分方法，将大规模动态异构图离散化为静态子图，提升计算效率。结合双通道图注意力网络和门控循环时空记忆网络，设计强化学习框架，实现子图的动态求解。与现有技术相比，可以解决高密度维修场景中时空耦合约束建模不足、多目标协同优化效果有限以及动态场景难以适应的难题。