.png){kind=icon}
返回
Research on dynamic permutation flow shop scheduling algorithm based on transformer model
.png){kind=icon}
OA
AI
DOI：10.1016/j.jer.2025.02.005.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
确定一组工件的处理顺序在实际场景中涉及连续步骤。判断基于对环境的部分观察，而潜在的环境模型仍然未知。强化学习是解决此类问题的常用方法，可以通过一系列奖励获取知识。提出了一种基于Transformer模型的动态排列流水车间调度算法，以解决排列流水车间环境中的多扰动问题。通过采用基于Transformer的编码器提取状态矩阵的特征。采用指针网络改进了解码器。采用带有基线的Actor-Critic算法训练网络模型。在Taillard数据集中，所提出算法的平均相对误差分别比Campbell-Dudek-Simth（CDS）、Palmer和Convolution Back-Projection（CBP）算法低2.48%、1.86%和5.48%，平均求解时间为0.61秒。已应用于永磁牵引电机转子生产扰动的调度，效率提高了2.59%。
Keyword:
Reinforcement learning
Transformer
Permutation flow shop scheduling
Pointer network
Actor-Critic
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.2
论文数:
371
被引数:
1.7K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏Improved Meta-Heuristics for Solving Distributed Lot-Streaming Permutation Flow Shop Scheduling Problems改进的元启发式算法，用于解决分布式批量流置换流水车间调度问题
PREAI
分享收藏Branch-and-bound algorithm for solving blocking flowshop scheduling problems with makespan criterion
PREAI
分享收藏An improved lower bound for the blocking permutation flow shop with total completion time criterion
PREAI
分享收藏
查看更多内容