論文の概要: Investigation of the Generalisation Ability of Genetic Programming-evolved Scheduling Rules in Dynamic Flexible Job Shop Scheduling

• arxiv url: http://arxiv.org/abs/2601.15717v1
• Date: Thu, 22 Jan 2026 07:38:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-23 21:37:20.528866
• Title: Investigation of the Generalisation Ability of Genetic Programming-evolved Scheduling Rules in Dynamic Flexible Job Shop Scheduling
• Title（参考訳）: 動的フレキシブルジョブショップスケジューリングにおける遺伝的プログラミング進化型スケジューリングルールの一般化能力の検討
• Authors: Luyao Zhu, Fangfang Zhang, Yi Mei, Mengjie Zhang,
• Abstract要約: 遺伝的プログラミング(GP)はDFJSSのスケジューリングルールを自動的に進化させるために広く応用されている。 本稿では,多様なDFJSS条件下でのGP進化型スケジューリング規則の一般化能力について系統的に検討する。
• 参考スコア（独自算出の注目度）: 6.232706691552085
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dynamic Flexible Job Shop Scheduling (DFJSS) is a complex combinatorial optimisation problem that requires simultaneous machine assignment and operation sequencing decisions in dynamic production environments. Genetic Programming (GP) has been widely applied to automatically evolve scheduling rules for DFJSS. However, existing studies typically train and test GP-evolved rules on DFJSS instances of the same type, which differ only by random seeds rather than by structural characteristics, leaving their cross-type generalisation ability largely unexplored. To address this gap, this paper systematically investigates the generalisation ability of GP-evolved scheduling rules under diverse DFJSS conditions. A series of experiments are conducted across multiple dimensions, including problem scale (i.e., the number of machines and jobs), key job shop parameters (e.g., utilisation level), and data distributions, to analyse how these factors influence GP performance on unseen instance types. The results show that good generalisation occurs when the training instances contain more jobs than the test instances while keeping the number of machines fixed, and when both training and test instances have similar scales or job shop parameters. Further analysis reveals that the number and distribution of decision points in DFJSS instances play a crucial role in explaining these performance differences. Similar decision point distributions lead to better generalisation, whereas significant discrepancies result in a marked degradation of performance. Overall, this study provides new insights into the generalisation ability of GP in DFJSS and highlights the necessity of evolving more generalisable GP rules capable of handling heterogeneous DFJSS instances effectively.
• Abstract（参考訳）: 動的フレキシブルジョブショップスケジューリング(DFJSS)は、動的生産環境におけるマシン割り当てとオペレーションシークエンシングの同時決定を必要とする複雑な組合せ最適化問題である。 遺伝的プログラミング(GP)はDFJSSのスケジューリングルールを自動的に進化させるために広く応用されている。 しかし、既存の研究は一般的に、構造的特性よりもランダムな種によってのみ異なるDFJSSインスタンスのGP進化型ルールを訓練し、テストしている。 このギャップに対処するため,様々なDFJSS条件下でのGP進化型スケジューリング規則の一般化能力について系統的に検討した。 問題スケール(機械とジョブの数など)、キージョブショップパラメータ(例えば、利用レベル)、データ分散など、さまざまな領域で実験が行われ、これらの要因が未確認のインスタンスタイプにおけるGPパフォーマンスにどのように影響するかを分析している。 結果は、トレーニングインスタンスがテストインスタンスよりも多くのジョブを格納し、マシンの数を固定し、トレーニングインスタンスとテストインスタンスの両方が同様のスケールまたはジョブショップパラメータを持つ場合に、優れた一般化が生じることを示している。 さらに分析した結果,DFJSSインスタンスにおける決定点の数と分布が,これらのパフォーマンスの違いを説明する上で重要な役割を担っていることが明らかとなった。 同様の決定点分布はより良い一般化をもたらすが、大きな相違は顕著な性能低下をもたらす。 本研究は、DFJSSにおけるGPの一般化能力に関する新たな知見を提供し、異種DFJSSインスタンスを効果的に扱うことができるより一般化可能なGPルールの進化の必要性を強調した。

関連論文リスト

• Cooperative SGD with Dynamic Mixing Matrices [1.0474108328884806]
  分散環境では、勾配降下(SGD)に基づくアルゴリズムが理論的に収束することが示されている。 本稿では、動的トポロジを持つローカル更新SGDベースの分散アルゴリズムを網羅した統合フレームワークについて述べる。
  論文  参考訳（メタデータ） (2025-08-20T09:37:07Z)
• Improving Large Language Model Planning with Action Sequence Similarity [50.52049888490524]
  本研究では,インコンテキスト学習(ICL)によるモデル計画能力の向上について検討する。 GRASE-DC は2段階のパイプラインで,まず高効率のAS例を再サンプリングし,選択した例をキュレートする。 実験の結果,GRASE-DCは様々な計画タスクにおいて大幅な性能向上を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-05-02T05:16:17Z)
• A Benchmarking Environment for Worker Flexibility in Flexible Job Shop Scheduling Problems [0.0]
  生産スケジューリングにおいて、フレキシブルジョブショップスケジューリング問題(FJSSP)は、一連の操作を最適化し、それぞれの処理時間を異なるマシンに割り当てることを目的としている。 結果として生じる問題はFlexible Job Shop Scheduling Problem with Worker Flexibility (FJSSP-W)と呼ばれる。 本稿では、一般に受け入れられているFJSSPインスタンス402のコレクションを示し、労働者の柔軟性で拡張するアプローチを提案する。
  論文  参考訳（メタデータ） (2025-01-27T15:56:12Z)
• IT$^3$: Idempotent Test-Time Training [95.78053599609044]
  ディープラーニングモデルは、トレーニングデータとテストデータの間の分散シフトのために、現実世界の環境にデプロイする際に苦労することが多い。 Idempotent Test-Time Training (IT$3$) は、現在のテストインスタンスのみを使用して、分散シフトへのオンザフライ適応を可能にする新しいアプローチである。 この結果から,イデオポテンスはドメインやアーキテクチャをまたいで一般化するテスト時間適応の普遍的原理を提供すると考えられる。
  論文  参考訳（メタデータ） (2024-10-05T15:39:51Z)
• Improving Out-of-Distribution Robustness via Selective Augmentation [61.147630193060856]
  機械学習アルゴリズムは、トレーニングとテスト例が同じ分布から引き出されると仮定する。 分散シフトは現実世界のアプリケーションでは一般的な問題であり、テスト時にモデルが劇的に悪化する可能性がある。 LISAと呼ばれる選択的な拡張によって不変関数を学習するミックスアップ方式を提案する。
  論文  参考訳（メタデータ） (2022-01-02T05:58:33Z)
• Non-Gaussian Gaussian Processes for Few-Shot Regression [71.33730039795921]
  乱変数ベクトルの各成分上で動作し,パラメータを全て共有する可逆なODEベースのマッピングを提案する。 NGGPは、様々なベンチマークとアプリケーションに対する競合する最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2021-10-26T10:45:25Z)
• The Benefits of Implicit Regularization from SGD in Least Squares Problems [116.85246178212616]
  勾配降下(SGD)はアルゴリズム正則化効果が強い。 我々は、(正規化されていない)平均SGDで得られる暗黙の正則化とリッジ回帰の明示的な正則化の比較を行う。
  論文  参考訳（メタデータ） (2021-08-10T09:56:47Z)
• Decentralized Local Stochastic Extra-Gradient for Variational Inequalities [125.62877849447729]
  我々は、不均一(非IID)で多くのデバイスに分散する問題データを持つ領域上での分散変分不等式(VIs)を考察する。 我々は、完全に分散化された計算の設定を網羅する計算ネットワークについて、非常に一般的な仮定を行う。 理論的には, モノトン, モノトンおよび非モノトンセッティングにおける収束速度を理論的に解析する。
  論文  参考訳（メタデータ） (2021-06-15T17:45:51Z)
• Multi-task Causal Learning with Gaussian Processes [17.205106391379026]
  本稿では、因果モデルの有向非巡回グラフ(DAG)上に定義された一連の介入関数の相関構造を学習する問題について考察する。 本稿では,連続的な介入と異なる変数に対する実験による情報共有が可能な,最初のマルチタスク因果ガウス過程(GP)モデルを提案する。
  論文  参考訳（メタデータ） (2020-09-27T11:33:40Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。