Fugu-MT 論文翻訳(概要): Job Shop Scheduling Benchmark: Environments and Instances for Learning and Non-learning Methods

論文の概要: Job Shop Scheduling Benchmark: Environments and Instances for Learning and Non-learning Methods

arxiv url: http://arxiv.org/abs/2308.12794v1
Date: Thu, 24 Aug 2023 13:49:48 GMT
ステータス: 処理完了
システム内更新日: 2023-08-25 13:44:27.462825
Title: Job Shop Scheduling Benchmark: Environments and Instances for Learning and Non-learning Methods
Title（参考訳）: ジョブショップスケジューリングベンチマーク:学習と非学習のための環境とインスタンス
Authors: Robbert Reijnen, Kjell van Straaten, Zaharah Bukhsh, Yingqian Zhang
Abstract要約: 幅広いマシンスケジューリング問題に対するベンチマークを含む、オープンソースのGitHubリポジトリを紹介します。私たちの一番の目標は、研究者、実践家、そしてマシンスケジューリングの課題に取り組むことに関心のある熱心な人たちのための集中型のハブを提供することです。
参考スコア（独自算出の注目度）: 0.9831489366502301
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We introduce an open-source GitHub repository containing comprehensive benchmarks for a wide range of machine scheduling problems, including Job Shop Scheduling (JSP), Flow Shop Scheduling (FSP), Flexible Job Shop Scheduling (FJSP), FJSP with Assembly constraints (FAJSP), FJSP with Sequence-Dependent Setup Times (FJSP-SDST), and the online FJSP (with online job arrivals). Our primary goal is to provide a centralized hub for researchers, practitioners, and enthusiasts interested in tackling machine scheduling challenges.
Abstract（参考訳）: ジョブショップスケジューリング(JSP)、フローショップスケジューリング(FSP)、フレキシブルジョブショップスケジューリング(FJSP)、アセンブリ制約付きFJSP(FAJSP)、シーケンス依存設定時間付きFJSP(FJSP-SDST)、オンラインFJSP(オンラインジョブ到着)など、幅広いマシンスケジューリング問題の包括的なベンチマークを含むオープンソースGitHubリポジトリを紹介した。私たちの主な目標は、マシンスケジューリングの課題に取り組むことに関心のある研究者、実践者、愛好家のための集中型ハブを提供することです。

関連論文リスト

Learning to Solve Job Shop Scheduling under Uncertainty [1.3002317221601185]
ジョブショップスケジューリング問題(JSSP、Job-Shop Scheduling Problem)は、タスクをマシン上でスケジュールする必要がある最適化問題である。本稿では,Dreep Reinforcement Learning (DRL) 技術を利用してロバストなソリューションを探索する手法を提案する。
論文参考訳（メタデータ） (2024-03-04T08:38:55Z)
Residual Scheduling: A New Reinforcement Learning Approach to Solving Job Shop Scheduling Problem [8.398387430247201]
ジョブショップスケジューリング問題(Job-shop scheduling problem、JSP)は、製造業などで広く使われている数学最適化問題である。本稿では,FJSPの解法に対する残差スケジューリングという新しい手法を提案する。 20台のマシンで150以上のジョブ数を持つ50のインスタンスで49のギャップに到達しています。
論文参考訳（メタデータ） (2023-09-27T09:33:56Z)
Flexible Job Shop Scheduling via Dual Attention Network Based Reinforcement Learning [73.19312285906891]
フレキシブルなジョブショップスケジューリング問題(FJSP)では、複数のマシンで操作を処理でき、操作とマシンの間の複雑な関係が生じる。近年, 深層強化学習(DRL)を用いて, FJSP解決のための優先派遣規則(PDR)を学習している。本稿では,Deep機能抽出のための自己注意モデルと,スケーラブルな意思決定のためのDRLの利点を生かした,エンドツーエンド学習フレームワークを提案する。
論文参考訳（メタデータ） (2023-05-09T01:35:48Z)
Two-Stage Learning For the Flexible Job Shop Scheduling Problem [18.06058556156014]
本稿では,フレキシブルジョブショップスケジューリング問題に対して,ディープラーニングフレームワークを用いて高速かつ正確な近似を生成する可能性について検討する。本稿では,FJSP決定の階層的性質を明示的にモデル化する2段階学習フレームワークを提案する。その結果、2SL-FJSPはミリ秒で高品質なソリューションを生成でき、最先端の強化学習手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2023-01-23T20:23:35Z)
Multi-Job Intelligent Scheduling with Cross-Device Federated Learning [65.69079337653994]
フェデレートラーニング(FL)は、センシティブな生データを共有せずに、協調的なグローバル機械学習モデルのトレーニングを可能にする。本稿では,複数のジョブを並列にトレーニングできる新しいマルチジョブFLフレームワークを提案する。本稿では,元来の強化学習に基づくスケジューリング手法と元来のベイズ最適化に基づくスケジューリング手法を含む,複数のスケジューリング手法に基づく新しいインテリジェントスケジューリング手法を提案する。
論文参考訳（メタデータ） (2022-11-24T06:17:40Z)
POGEMA: Partially Observable Grid Environment for Multiple Agents [64.88759709443819]
POGEMAは、部分的に観測可能なマルチエージェントパスフィンディング(PO-MAPF)問題に挑戦するためのサンドボックスである。様々なPO-MAPFに合わせることができ、プランニングと学習のための優れた試験場として機能する。
論文参考訳（メタデータ） (2022-06-22T09:39:50Z)
Fast Approximations for Job Shop Scheduling: A Lagrangian Dual Deep Learning Method [44.4747903763245]
ジョブショップスケジューリング問題(Jobs shop Scheduling Problem、JSP)は、様々な産業目的のために日常的に解決される標準最適化問題である。問題はNPハードであり、中規模のインスタンスでも計算が困難である。本稿では,問題に対する効率的かつ正確な近似を提供するためのディープラーニングアプローチについて検討する。
論文参考訳（メタデータ） (2021-10-12T21:15:19Z)
Solving the Extended Job Shop Scheduling Problem with AGVs -- Classical and Quantum Approaches [0.0]
本稿では、ジョブショップスケジューリング問題(JSSP)であるJSOのサブアスペクトを扱うユースケースを提供する。ユースケースの目標は、柔軟な組織化された機械で、特定のプロジェクトのために最適化されたデューティルースターを作成する方法を示すことである。 CPとアナリングモデルに基づく古典解の結果を提示し、議論する。
論文参考訳（メタデータ） (2021-09-10T12:28:51Z)
SALA: Soft Assignment Local Aggregation for Parameter Efficient 3D Semantic Segmentation [65.96170587706148]
3dポイントクラウドセマンティクスセグメンテーションのためのパラメータ効率の良いネットワークを生成するポイントローカルアグリゲーション関数の設計に着目する。グリッド型アグリゲーション関数における学習可能な隣り合わせソフトアロケーションの利用について検討する。
論文参考訳（メタデータ） (2020-12-29T20:16:37Z)
TAFSSL: Task-Adaptive Feature Sub-Space Learning for few-shot classification [50.358839666165764]
本稿では,タスク適応機能サブスペース学習(TAFSSL)により,Few-Shot Learningシナリオの性能を大幅に向上させることができることを示す。具体的には、挑戦的な miniImageNet と tieredImageNet ベンチマークにおいて、TAFSSL はトランスダクティブおよび半教師付き FSL 設定の両方で現在の状態を改善することができることを示しています。
論文参考訳（メタデータ） (2020-03-14T16:59:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。