如何解决一个序列相关的并行机调度问题，其中一个计划将作为解决方案提供？

Question

我正在寻找任何线索，可以帮助我解决这个问题。我不知道从哪里开始。如果有人能给我提供相关的链接来解决这个问题，那就太好了

问题：

流程订单的定义： 加工1kg的材料，以生产该材料的最终产品。每种材料按1kg的顺序供应。因此，在给定的时间内可能会有多个订单需要处理，比如说，8个订单的“物料1”意味着要处理8次1kg的“物料1”

可用性： 有3种类型的材料将在加工站（3个）上加工，以生产这些材料的最终产品。有一个材质到桩号的映射可用。比如说：

1. 物料1可在工位1和工位2进行加工
2. 材料2可在工位1和工位3进行加工
3. 材料3只能在工位2加工

提供了处理每种材料的时间：

1. 材料1->；1小时用于处理，5小时用于清洁工位

2. 材料2->；处理时间为0.5小时，清洁工位时间为0.25小时

3. 材料3->；2小时用于处理，1小时用于清洁工位

仅当两种不同类型的材料要在一个工位上依次加工时，才需要清洁。例如：

1. 如果材料2跟随材料1在同一工位上加工，则需要0.5小时的清洁时间

2. 如果材料2跟随材料2在同一工位上加工，则无需清洁时间

目标： 为每个车站提供最佳的进度计划。i、 e应在工作站上执行提供的工艺指令的顺序

目标函数： 减少清洁时间

例如，如果我能在未来4小时内处理部分数量的物料1，我将坚持在其中一个工位处理全部数量，而不是在工位2上并行处理一半订单

Madontory约束：

• 首选工位的概念：材料有首选工位，即如果工位1和工位2都可用，则工位1优先用于材料1和材料2

可选约束：

• 优先级：如果为工艺订单分配了优先级，则应首先执行该采购订单（1kg物料）

• 时间限制：如果要求提供未来8小时的计划，则只应提供未来8小时的计划

我所做的： 最有希望的解决办法来自https://ibmdecisionoptimization.github.io/tutorials/html/Scheduling_Tutorial.html，然而，我尚未得出任何结论。这个问题对我来说太复杂了

现在，我正在考虑准备一个包含所有可能解的排列的解空间，并以最低的时间消耗返回结果。在这种情况下，最大的障碍是提供一个序列。这可能是昂贵的计算，因为我有200+材料和30+站。我希望用Python解决这个问题

PS：我想不出一个合适的标题，如果你能推荐一个，那就太好了