자원 제약 프로젝트 스케줄링 문제(RCPSP)는 산업 전반에 걸쳐 다양한 응용 분야를 가진 고전적인 스케줄링 문제이다. 본 논문에서는 불확실한 작업 기간을 고려하여 전체 예상 프로젝트 기간을 최소화하는 RCPSP 변형 문제를 다룬다. 특히, 여러 산업 환경에서 재사용할 수 있는 기반 스케줄을 생성하는 것을 목표로 한다. 그래프 신경망(GNN)과 딥 강화 학습(DRL)을 활용하여 작업 스케줄링을 위한 효과적인 정책을 개발했다. 이 정책은 우선 순위 디스패치 규칙과 유사하게 작동하며, 직렬 스케줄 생성 방식을 통해 스케줄을 생성한다. 표준 벤치마크에 대한 실험적 평가는 제안된 접근 방식의 성능 우수성과 일반화 능력을 보여준다. 개발된 프레임워크인 Wheatley는 추가 연구 및 재현성을 위해 온라인으로 공개되었다.
