Online Job Shop Scheduling

基于LLM的启发式设计框架RAISE提高了对分布偏移的鲁棒性

研究人员开发了RAISE，一个使用大型语言模型（LLMs）设计启发式方法的新框架，该框架对现实世界的分布偏移具有更强的鲁棒性。与优化固定训练集的先前方法不同，RAISE在其进化循环中集成了受约束的对抗实例搜索。这种方法允许系统在训练分布的定义范围内识别困难实例，确保在各种场景下性能一致。在在线装箱、在线作业车间调度和在线车辆路径规划上的实验表明，RAISE的性能显著优于现有的基于LLM的方法，后者在分布偏移下性能会大幅下降。