論文の概要: A Sliding-Window-Based Reinforcement Learning for Dynamic Assembly Flow Shop Scheduling with Multi-Product Delivery

• arxiv url: http://arxiv.org/abs/2607.02941v1
• Date: Fri, 03 Jul 2026 04:27:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.467619
• Title: A Sliding-Window-Based Reinforcement Learning for Dynamic Assembly Flow Shop Scheduling with Multi-Product Delivery
• Title（参考訳）: マルチプロダクトデリバリによる動的組立フローショップスケジューリングのためのスライディング・ウィンドウに基づく強化学習
• Abstract要約: ハイブリッド製造システムにおけるリアルタイムスケジューリングには,マルチキット配信が大きな課題となっている。 本稿では,エンド・ツー・エンドのオンラインスケジューリングのためのスライディングウインドウに基づく強化学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 16.636736248446233
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-product kitting delivery imposes significant challenges for real-time scheduling in hybrid manufacturing systems that integrate processing and assembly, as dynamic order arrivals simultaneously alter supply dependencies and the set of feasible job-machine assignments. This paper proposes a sliding-window-based reinforcement learning (SWRL) framework for end-to-end online scheduling in the flexible assembly flow shop scheduling problem with complex kitting constraints. The problem is formulated as a heterogeneous graph-based Markov decision process that captures the dual-layer kitting structure and the tail-product bottleneck dynamics that produce a sparse reward landscape. To address the resulting challenges, SWRL integrates a sliding-window filtering mechanism that filters inactive nodes and prioritizes kitting-critical operations, a spatiotemporal graph encoding network that tracks bottleneck shifts across consecutive decision states, and a dynamic action mapping module with a constrained waiting strategy that adapts to the changing action space under variable topologies. Experiments on real-world instances from a home appliance manufacturer demonstrate that SWRL achieves consistent tardiness reductions over classical dispatching rules and existing deep reinforcement learning methods, and exhibits robust performance across varying resource configurations, order loads, and arrival concentrations.
• Abstract（参考訳）: 動的注文到着が供給依存性と実行可能なジョブマシン割り当てのセットを同時に変更するため、多製品キット配信は、処理とアセンブリを統合するハイブリッド製造システムにおいて、リアルタイムスケジューリングに重大な課題を課している。 本稿では,複雑なキッティング制約を伴うフレキシブルアセンブリフローショップスケジューリング問題において,エンドツーエンドオンラインスケジューリングのためのスライディングウィンドウベース強化学習(SWRL)フレームワークを提案する。 この問題は、不均一なグラフに基づくマルコフ決定プロセスとして定式化され、二重層キッティング構造と、スパース報酬景観を生み出すテール積ボトルネックダイナミクスを捉えている。 これらの課題に対処するため、SWRLは、非アクティブノードをフィルタリングし、キットクリティカルな操作を優先するスライディングウィンドウフィルタリング機構、連続的な決定状態間のボトルネックシフトを追跡する時空間グラフ符号化ネットワーク、および可変トポロジの下で変化するアクション空間に適応する制限された待ち戦略を持つ動的アクションマッピングモジュールを統合する。 家電メーカーによる実世界の事例実験では、SWRLは古典的なディスパッチルールや既存の深層強化学習法よりも一貫したタダネスの低減を実現し、様々な資源構成、注文負荷、到着濃度に対して堅牢な性能を示す。

関連論文リスト

• A Policy Decomposition Framework for Dynamic Order Fulfillment Operations [0.0]
  本稿では,論理的課題を統一する新しい問題クラスである動的順序充足問題(DOFP)を紹介する。 本稿では,新しいポリシレベル分解を利用したDDF-VFA(Decomposition-Driven Framework with Value Function Approximation)を開発した。 DDF-VFAは、2つのステージを独立または共同で分解することなく最適化するベンチマークを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-07-04T23:46:08Z)
• Harmonizing Real-Time Constraints and Long-Horizon Reasoning: An Asynchronous Agentic Framework for Dynamic Scheduling [11.212756680882444]
  RACE-Schedは、ポリシー実行を論理的推論から二重ストリームアーキテクチャを通して分離するエージェントベースのフレームワークである。 このアプローチは、より優れた解品質と動的事象への堅牢な適応を達成するために、長期水平推論とリアルタイム制約を調和させる。
  論文  参考訳（メタデータ） (2026-05-28T02:26:18Z)
• Revitalizing the Beginning: Avoiding Storage Dependency for Model Merging in Continual Learning [57.10440766103372]
  Trajectory Regularized Merging (TRM) は、拡張されたトラジェクトリ部分空間内の最適化プロセスとしてマージフェーズを再構成するフレームワークである。 本フレームワークは,タスクアライメント,予測整合性,勾配応答性といった3つの相乗的目標を統合し,統合モデルの履歴安定性と再活性化最適化のダイナミクスを同時に保存する。
  論文  参考訳（メタデータ） (2026-05-08T14:07:32Z)
• Multi-Turn Reasoning LLMs for Task Offloading in Mobile Edge Computing [15.718757401948304]
  我々は,MECシステムにおける前向きな意思決定を可能にする生成フレームワークであるCOMLLMを提案する。 COMLLMは、ほぼ最適レイテンシを実現し、ロードバランシングの公平性を向上する。特に、ゼロショットのスケーラビリティを示し、小規模ネットワークでトレーニングされたモデルは、再トレーニングすることなく、より大きく、目に見えないトポロジに一般化することができる。
  論文  参考訳（メタデータ） (2026-04-08T14:38:48Z)
• FASTER: Rethinking Real-Time Flow VLAs [82.58822112377923]
  VLA(Vision-Language-Action)モデルを物理世界に展開するには、リアルタイム実行が不可欠である。 反応時間は、TTFA(Time to First Action)と実行地平線によって決定される一様分布に従っていることを示す。 即時反応のための高速動作サンプリング(FASTER)を提案し,この問題を克服する。
  論文  参考訳（メタデータ） (2026-03-19T17:51:37Z)
• LLM-Assisted Automatic Dispatching Rule Design for Dynamic Flexible Assembly Flow Shop Scheduling [14.08915850565659]
  本研究では,LLM支援動的ルール設計フレームワーク(LLM4DRD)を開発し,スケジューリング機能に適合したオンラインスケジューリングルールを自動的に進化させる。 LLM4DRDの平均威力は、訓練と試験に使用される20の実践例において、最先端の手法よりも3.17-12.39%高い。
  論文  参考訳（メタデータ） (2026-01-22T08:06:40Z)
• ImplicitRDP: An End-to-End Visual-Force Diffusion Policy with Structural Slow-Fast Learning [52.86018040861575]
  本稿では,単一のネットワークに視覚計画と反応力制御を統合した,一貫したエンドツーエンドの視覚力拡散政策を提案する。 本稿では,非同期な視覚と力のトークンを同時に処理するための因果的注意力を利用した構造的スローフォールストラーニングを紹介する。 コンタクトリッチタスクの実験では、ImplicitRDPは視覚のみのベースラインと階層的なベースラインの両方で著しく優れていた。
  論文  参考訳（メタデータ） (2025-12-11T18:59:46Z)
• CollaPipe: Adaptive Segment-Optimized Pipeline Parallelism for Collaborative LLM Training in Heterogeneous Edge Networks [57.95170323315603]
  CollaPipeは、コラボレーティブパイプライン並列性とフェデレーションアグリゲーションを統合し、自己進化型ネットワークをサポートする分散学習フレームワークである。 CollaPipeでは、エンコーダ部分は可変サイズのセグメントに適応的に分割され、パイプライン並列トレーニングのためにモバイルデバイスにデプロイされ、デコーダは生成タスクを処理するためにエッジサーバにデプロイされる。 トレーニング効率を向上させるために,モデルセグメント,マイクロバッチ,帯域幅,送信電力を適応的に割り当てる共同最適化問題を定式化する。
  論文  参考訳（メタデータ） (2025-09-24T07:54:01Z)
• PowerGrow: Feasible Co-Growth of Structures and Dynamics for Power Grid Synthesis [75.14189839277928]
  本稿では,運用効率を維持しながら計算オーバーヘッドを大幅に削減する,共同生成フレームワークPowerGrowを提案する。 ベンチマーク設定による実験では、PowerGrowはフィデリティと多様性において、事前の拡散モデルよりも優れていた。 これは、運用上有効で現実的な電力グリッドシナリオを生成する能力を示している。
  論文  参考訳（メタデータ） (2025-08-29T01:47:27Z)
• CSGO: Generalized Optimization for Cold Start in Wireless Collaborative Edge LLM Systems [62.24576366776727]
  本稿では,全体の推論遅延を最小限に抑えるために,遅延を考慮したスケジューリングフレームワークを提案する。 提案手法は,ベースライン戦略と比較して,コールドスタート遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2025-08-15T07:49:22Z)
• DMSC: Dynamic Multi-Scale Coordination Framework for Time Series Forecasting [24.202509006348862]
  時系列予測(TSF)は、さまざまなスケールにわたる複雑な時間的依存関係をモデル化する上で、永続的な課題に直面します。 マルチスケールパッチ分解ブロック(EMPD)、トライアドインタラクションブロック(TIB)、適応スケールルーティングMoEブロック(ASR-MoE)を備えた新しい動的マルチスケールコーディネーションフレームワーク(DMSC)を提案する。 EMPDは、指数関数的にスケールした粒度を持つ階層的なパッチにシーケンスを動的に分割する組み込みコンポーネントとして設計されている。 TIBは、各レイヤの分解された表現の中で、パッチ内、パッチ間、およびクロス変数の依存関係を共同でモデル化する。
  論文  参考訳（メタデータ） (2025-08-03T13:11:52Z)
• Generating Dispatching Rules for the Interrupting Swap-Allowed Blocking Job Shop Problem Using Graph Neural Network and Reinforcement Learning [21.021840570685264]
  割り込みスワップ可能なブロッキングジョブショップ問題(ISBJSSP)は、多くの製造計画やロジスティクスアプリケーションを現実的にモデル化することができる。 連続的な削除や加算を受けるノードとエッジを特徴とする動的解離グラフの定式化を導入する。 ISBJSSP設定の割り込み、スワップ、ブロッキングをシミュレートするシミュレータが開発された。
  論文  参考訳（メタデータ） (2023-02-05T23:35:21Z)

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。