混合流水车间调度问题（Hybrid Flow Shop Scheduling Problem,HFSP）在现在的工业系统中是很重要的,合理的规划调度订单直接影响着经济效益和顾客满意度。一般处理HFSP的方法主要包含精确算法和基于启发式的方法。精确算法很少被用到,由于极度昂贵的计算代价,在规模大的实际问题上更是求解速度很慢。启发式算法主要是根据问题的特性和专家知识经验来手动设计一些规则,搜索框架往往严重依赖领域知识和专家经验,并且使用的搜索范式往往单一且固定,在数据分布变化不规则的问题实例面前,表现会比较差,这会严重限制搜索效率在实际场景中。为了解决上面的问题,该工作尝试将学习机制引入到传统的算法框架中,利用学习机制来提升泛化性,简化搜索框架的设计,提升搜索效率。这里提出了一个多图模型强化学习优化算法（Multi-graph Attributed Reinforcement Learning-based Optimization Algorithm,MGRO）,来解决实际的大规模HFSP问题。该算法模型将学习算法引入到传统算法,保持高效的传统搜索范式的同时,融入了学习算法的高泛化性。具体来说,提出了一个针对HFSP问题的马尔可夫过程的建模,动作空间是现有的不同的搜索范式,这里不同的搜索范式作为调优过程中的每一步的动作,状态空间为调度方案解码出来的甘特图。后续会将这种甘特图的形式处理成多图形式的图数据,极大增强特征的表征能力。随后,设计了一种基于注意力机制的带权重池化机制。这种机制可以抽取多图之间的逻辑依赖,以及捕捉到不同阶段的工件顺序的时序关系。另外,还针对调优过程的特性,设计了一套奖励重塑机制,可以有效加速模型收敛和学习效果。学习机制引入的强泛化性让MGRO在没有专家经验的指导下,不仅可以针对不同的问题实例进行调整,有更灵活的策略来挑选合适的搜索范式,比元启发式有着更好的搜索效率,可以在任意解的基础上学到如何提升。在标准数据集和真实数据集上都表现了超越基准算法的良好表现。