リソース制約プロジェクトスケジューリング問題（RCPSP）は産業における多くの応用により注目されている古典的なスケジューリング問題です。本研究では、タスクの期間が不確実であるRCPSPの変種に焦点を当て、タスクの不確実性を考慮に入れた上で、全体の期待プロジェクト期間を最小化することを目的としています。著者たちは、グラフニューラルネットワークと深層強化学習（DRL）を用いて、タスクスケジューリングのための効果的なポリシーを開発しました。このポリシーは、優先順位のルールに似た方法で動作し、シリアルスケジュール生成スキームと組み合わせてスケジュールを生成します。実験評価では、標準的なベンチマークに対するパフォーマンスの優位性と一般化能力が確認されました。また、開発されたフレームワーク「Wheatley」は公開され、さらなる研究や再現性の向上に貢献しています。