DSevolve：利用 LLM 进化的启发式规则组合实现动态车间的实时自适应调度

针对动态制造环境中中断频发导致最优调度策略不断变化的问题，现有 LLM 驱动的自动启发式设计框架往往局限于单一规则，缺乏适应性。本文提出 DSevolve 框架，离线进化出多样化的高质量调度规则组合，并在线实现秒级自适应部署。该方法通过多角色种子生成和拓扑感知进化算子构建行为多样的规则档案，利用基于探测的指纹机制表征车间状态，快速检索并选择最佳规则。实验表明，该方法在真实工业数据衍生的实例上优于现有最先进框架及传统方法。