研究人员开发了一种新颖的时间滞后感知深度强化学习方法，以优化预制模块工厂的调度。该方法专门解决了由于混凝土养护和测试等后处理过程造成的显著延迟，如果不加以考虑，这些延迟会使生产时间膨胀高达67%。经过改进的双注意力深度强化学习求解器结合了滞后感知动态、预期滞后特征和活性掩码嵌入，实现了强大的无求解器调度性能，接近约束编程参考的4%以内，并优于传统的调度规则和遗传算法。 AI
影响 优化复杂的工业调度问题，可能降低制造业的生产时间和成本。
排序理由 该集群包含一篇详细介绍使用深度强化学习进行作业车间调度的创新方法的论文。
- arXiv
- constraint programming
- deep reinforcement learning
- Dual-attention deep reinforcement learning solver
- Flexible job-shop scheduling with tolerated time interval and limited starting time interval based on hybrid discrete PSO-SA: An application from a casting workshop
- Genetic-algorithm metaheuristic
- PPVC Module Factories
- Prefabricated Prefinished Volumetric Construction
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
