BOLT：多瓶颈约束引导学习，用于具有时滞和资源耦合传输的灵活作业车间调度

摘要

arXiv:2610.22433v1 Announce Type: new Abstract: Flexible job-shop scheduling becomes resource-coupled when a scarce vehicle fleet moves jobs between stations, because the schedule sets the transport w...

the and bound makespan transport fleet moves BOLT policy module

2026-10-19 1 阅读约1分钟阅读 Ziheng Zhang, Wei Zhang, Yunyi Zhao, Zuming Liu, Wei Zhou, Boon Ping Gan

arXiv:2610.22433v1 公告类型：新摘要：当稀缺的车队在车站之间移动作业时，灵活的作业车间调度就会变得资源耦合，因为调度设置了运输等待。 BOLT（面向传输耦合调度的面向边界的学习）根据链、机器容量和车队容量松弛构建下界。界限等于终止时的完工时间，因此其每一步的变化形成奖励，其总和等于常数减去完工时间。因为它永远不会超过可达到的完工时间，所以每个候选人的约束增长都是完工时间下限的证明，该政策将其视为价格。根界限证明了在没有求解器的情况下完成的计划的次优差距。在行业驱动的 10 模块预制建筑实例中，在每个测试单元中，显式运输耦合优于运输惩罚策略，其中负载移动占用至少 66% 的车队时间，并且没有一个达到或低于 56%。在五个零样本 50 和 80 模块生产批次中，BOLT 的表现优于四个批次中的最佳调度规则对以及三个长移动批次的惩罚策略。在三辆车 80 个模块批次中，其平均完工时间比最好的一对低 13.0%，比小时预算约束编程求解器低 4.2%，经证实差距平均为 34%。 BOLT 在一个处理器内核上的每个事件 2.3-5.9 毫秒内做出决定，并在几秒钟内重新计划中断。

订阅66必读