PulseAugur
中
实时 13:31:56
English(EN) Low-Cost Labels, Reliable Choices: Rollout-Calibrated Hyper-Heuristics for Job Shop Scheduling

新的超启发式算法降低了车间调度的成本

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的车间调度方法，该方法使用学习辅助的超启发式算法在调度规则中进行选择。该方法旨在降低生成标签的计算成本，而这通常是该过程中最昂贵的部分。该系统包含一个门控机制，只有当预测收益可信时，才会从默认规则切换，并使用后悔归一化滚动标签和不确定性估计。在合成实例上的实验表明，与其他人学习选择器相比，该方法实现了显著更低的平均 RPD，并将随机超启发式算法的 RPD 降低了一个数量级以上。 AI

影响 引入了一种新颖的算法方法来优化复杂的调度任务，有可能提高制造业和物流业的效率。

排序理由 该集群包含一篇详细介绍特定问题新算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的超启发式算法降低了车间调度的成本

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Junhao Wei, Yanxiao Li, Yifu Zhao, Zhenhong Peng, Baili Lu, Dexing Yao, Haochen Li, Qinbin He, Sio-Kei Im, Yapeng Wang, Xu Yang ·

    低成本标签、可靠选择：针对作业车间调度设计的、经过发布校准的超启发式算法

    arXiv:2605.23957v1 Announce Type: new Abstract: Learning-assisted hyper-heuristics can select among dispatching rules while preserving the feasibility and interpretability of constructive Job Shop Scheduling Problem (JSSP) heuristics. Their main computational cost lies in label g…

相关话题