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在其进化循环中加入了受约束的对抗实例搜索。这使得它能够识别接近训练分布的困难实例，从而确保在各种问题规模和分布族中保持一致的性能。在在线装箱问题、在线作业车间调度和在线车辆路径规划上的实验表明，RAISE在其他基于LLM的方法显著退化的情况下，能够有效维持性能。