arXiv cs.LG· Ziheng Zhang, Wei Zhang, Yunyi Zhao, Zuming Liu, Wei Zhou, Boon Ping Gan·· 15 天前AI 评分35
BOLT：面向带时间滞后与资源耦合运输柔性作业车间调度的多瓶颈下界引导学习
BOLT: Multi-Bottleneck Bound-Guided Learning for Flexible Job-Shop Scheduling with Time Lags and Resource-Coupled Transport
AI 导读
研究人员提出面向运输耦合调度的下界引导学习方法 BOLT，通过松弛链条、机器容量和车队容量构建下界，并将单步下界变化作为奖励引导策略学习。在 3 辆车 80 模块的零样本批次测试中，BOLT 的平均完工时间比最佳调度规则组合低 13.0%，且比 1 小时求解上限的约束规划求解器低 4.2%。该方法单核单事件决策仅需 2.3-5.9 ms，能在数秒内完成扰动重调度。
来源：arXiv cs.LG · arxiv.org