研究提出SLAB时滞感知深度强化学习调度方法

Ziheng Zhang 等在 arXiv 发布论文，提出 SLAB（Scheduling under time-Lags with an Admissible Bound），一种用深度强化学习训练调度器的决策过程，针对 PPVC 模块工厂柔性作业车间调度。该方法针对模块浇筑、防水、涂装后需等待 12 至 48 小时的时间滞后约束，仅在等待结束后才释放下一道工序。 论文实验显示，SLAB 优于带时滞的模因算法 6.7% 和 7.4%；修复后的方案比同一网络在 SLAB 内的调度长 42% 至 133%。但作者也指出局限：在约 10 个模块的订单上，以及同一搜索在 300 秒内处理约 10 和 20 个模块订单时，模因算法给出更短的调度方案。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。