本研究提出了一种创新的蒙特卡罗树搜索（MCTS）方法，旨在优化作业车间调度问题（JSSP），特别是减少加权作业完成时间。实验结果表明，MCTS在处理大规模JSSP时能有效生成高质量解决方案，优于传统的约束编程方法。

本研究提出了一种基于注意力机制的场景处理模块，克服了神经组合优化在随机作业车间调度中的局限性。实验结果表明，该方法在多种实例中优于现有技术，展现出良好的适应性和应用潜力。

这篇综述介绍了图神经网络在调度问题中的应用，包括作业车间调度和流水车间调度，并重点研究了深度强化学习方法。作者回顾了各种问题类型的GNN方法，并总结了GNN在解决调度问题中的优势和局限性，提供了未来研究机会。