論文の概要: Time-Lag-Aware Deep Reinforcement Learning for Flexible Job-Shop Scheduling in PPVC Module Factories

• arxiv url: http://arxiv.org/abs/2607.11725v1
• Date: Mon, 13 Jul 2026 15:50:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 17:47:21.542388
• Title: Time-Lag-Aware Deep Reinforcement Learning for Flexible Job-Shop Scheduling in PPVC Module Factories
• Title（参考訳）: PPVCモジュール要素の柔軟なジョブショップスケジューリングのための時間遅延型深層強化学習
• Abstract要約: コンクリートの硬化、防水試験、塗料の乾燥によって引き起こされる長い手術後の時間ラグ。 我々は3つの最小限の侵襲的、個別のアブレタブル拡張により、最先端のデュアルアテンション深層強化学習法を適用した。 持ちこたえのインスタンスでは、学習されたポリシーが最強の解決者なしスケジューラである。
• 参考スコア（独自算出の注目度）: 13.958047178810189
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prefabricated prefinished volumetric construction moves most building work into module factories, whose production floor operates as a flexible job shop. A major complication is decisive: long post-operation time-lags caused by concrete curing, watertightness ponding tests, and paint drying, during which a module is blocked while its workstation stays free. On benchmark instances grounded in an official national prefabrication guidebook, these lags inflate even the optimal reference makespan by about 67% on average, and ignoring them at decision time, then repairing to feasibility, is worse than every dispatching rule. We adapt a state-of-the-art dual-attention deep reinforcement learning solver through three minimally invasive, individually ablatable extensions: lag-aware dynamics with an admissible reward bound, two anticipatory lag feature channels, and liveness-masked operation- and station-type embeddings. With every extension disabled the implementation reproduces the original solver exactly, so all gains are attributable to the adaptations. We release a public, guidebook-grounded benchmark generator. On held-out instances the learned policy is the strongest solver-free scheduler: it reaches within about 4% of a constraint-programming reference and beats every dispatching rule and a genetic-algorithm metaheuristic, with its advantage widening under capacity contention, and a single size-mixed policy carries this lead across the trained range of factory sizes. It needs no solver, model, or license in the loop and re-plans within seconds of a disruption; where an exact solver can be deployed, that solver remains the quality ceiling, a boundary we map explicitly.
• Abstract（参考訳）: プレハブ化された大量建設は、ほとんどの建物をモジュール工場に移し、生産フロアはフレキシブルな求人店として機能している。 コンクリートの硬化、防水試験、塗料乾燥による長時間の作業後の時間ラグは、作業場が自由のままでモジュールがブロックされる。 公式の国定プレファブリケーションガイドブックに記載されたベンチマークの例では、これらのラグは平均で最適基準メースパンを約67%増加させ、決定時に無視し、実行可能性の修復は各ディスパッチルールよりも悪い。 適応可能な報酬境界を持つラグ認識力学と2つの予測ラグ特徴チャネル, 生きたマズード操作およびステーション型埋め込みの3つの最小侵襲かつ個別に評価可能な拡張により, 最先端の二重注意深部強化学習ソルバを適応する。 すべての拡張を無効にすると、実装は元のソルバを正確に再現するので、すべてのゲインは適応に起因する。 公開のガイドブックによるベンチマークジェネレータをリリースします。 学習されたポリシーは、最強の解決者なしスケジューラである – 制約プログラミング基準の約4%以内に到達し、すべてのディスパッチルールと遺伝的アルゴリズムのメタヒューリスティックを破る。 ループ内の解決者、モデル、あるいはライセンスを必要とせず、ディスラプションから数秒以内に再計画する。

関連論文リスト

• MAPS: Memory-Aware Predictive Scheduling Framework for Large Language Model Serving [22.18337792694688]
  パーソナルデバイス上の大規模言語モデル(LLM)アプリケーションは、クラウドサービスインフラストラクチャに巨大な、バースト的なワークロードを課します。 分散LDMサービスに適したメモリアウェア予測スケジューリングフレームワークMAPSを提案する。 我々は、MAPSが3つの最先端システムを大幅に上回り、平均エンド・ツー・エンドのレイテンシを42.6、テールのレイテンシを84.8に減らしたことを示す。
  論文  参考訳（メタデータ） (2026-09-14T10:43:42Z)
• A Self-Triggered Agentic Push Recommendation System [77.13502692161426]
  プッシュ通知は、大規模プラットフォームにおける重要なレコメンデーションシナリオである。 本稿では,プロアクティブ・セルフトリガー・エンド・ツー・エンドのエージェント・プッシュ・レコメンデーションシステムを提案する。 STEPSはすでにDouyinに10億人以上のユーザーを抱えている。
  論文  参考訳（メタデータ） (2026-08-03T09:20:53Z)
• RecSys Factory: Bounding LLM Agent Autonomy to Decision Points in the Industrial Recommender Lifecycle [2.424372451932308]
  RecSys Factoryは、3つの推奨ビジネスラインで78日間デプロイされたLLMエージェントプラットフォームです。 設計原則は、一般化ではなく、決定点における自律性である。 78日間の窓越しに、プラットフォームは1,624回のCLIツールディスパッチを78.6%の総成功率で記録した。
  論文  参考訳（メタデータ） (2026-07-31T15:42:45Z)
• Aligning Flow Map Policies with Optimal Q-Guidance [50.514994916864275]
  フローマップポリシは、任意のサイズのジャンプを学習することで、高速なアクション生成のために設計されている。 FLOW MAP Q-GUIDANCE (FMQ) は, 批判誘導型信頼領域制約の下でオフラインフローマップポリシーを適用するのに最適な, 原則付きクローズドフォーム学習ターゲットである。 FMQは、オフラインからオフラインまでのRLにおける最先端のパフォーマンスを達成し、平均成功率に対して21.3%の相対的な改善により、以前のワンステップポリシーMVPを上回っている。
  論文  参考訳（メタデータ） (2026-05-12T17:12:29Z)
• AdaExplore: Failure-Driven Adaptation and Diversity-Preserving Search for Efficient Kernel Generation [59.964989458924585]
  AdaExploreは、パフォーマンスクリティカルなカーネルコード生成のための蓄積された実行フィードバックによる自己改善を可能にするエージェントフレームワークである。 適応段階では、エージェントはタスクを合成し、繰り返し発生する障害を有効ルールの再利用可能なメモリに変換する。 探索段階では、候補核を木として整理し、小さな局所精製とより大きな構造再生を交互に行う。
  論文  参考訳（メタデータ） (2026-04-17T18:25:03Z)
• Structure-Aware Commitment Reduction for Network-Constrained Unit Commitment with Solver-Preserving Guarantees [8.762061888571978]
  本稿では,ネットワーク制約付きユニットコミットメントのためのデメンタリティ削減フレームワークを提案する。 最適化に先立って修正するコミットメント決定における構造的規則性を利用する。 IEEE 57-bus、73-bus、IEEE 118-bus、拡張された大規模ケースに対する実験は、分岐とバウンドノードの一貫性のある減少と解時間を示している。
  論文  参考訳（メタデータ） (2026-04-03T06:55:32Z)
• Second-Order, First-Class: A Composable Stack for Curvature-Aware Training [1.2891210250935148]
  静的プランによって管理される単一のJITコンパイルステップとして、曲率対応のトレーニングを扱う、コンポーザブルなOptaxネイティブスタックであるSomaxを紹介します。 Somaxは単一ステップインターフェースの背後にある第一級モジュールを公開し、標準勾配変換を適用することでOptaxで構成する。 本稿では,構成選択がスケーリング行動や時間-精度に重大な影響を及ぼすことを示すシステム指向のアブリケーションを報告する。
  論文  参考訳（メタデータ） (2026-03-26T23:36:37Z)
• Speedup Patch: Learning a Plug-and-Play Policy to Accelerate Embodied Manipulation [19.765462206627955]
  Speedup Patch (SuP)は、オフラインデータのみを使用してプラグインとプレイのアクセラレーションを可能にするポリシーに依存しないフレームワークである。 SuPは、独自の成功率を維持しながら、さまざまなポリシーに対して、全体的な1.8倍の実行スピードアップを実現している。
  論文  参考訳（メタデータ） (2026-03-21T05:29:04Z)
• A Mathematical Framework for AI Singularity: Conditions, Bounds, and Control of Recursive Improvement [1.932555230783329]
  我々は、自己改善のための分析フレームワークを開発し、能力向上とリソースのビルトアウトとデプロイメントポリシを結びつける。 我々は、可観測級数から脱走と非特異な振る舞いの証明をYes/Noにマッピングする決定ルールを導出する。 このフレームワークは、現在のレベルに対して、高速な改善がいかに加速するかに基づいて、偽造可能なテストを生成する。
  論文  参考訳（メタデータ） (2025-11-08T21:25:38Z)
• Algorithms for dynamic scheduling in manufacturing, towards digital factories Improving Deadline Feasibility and Responsiveness via Temporal Networks [0.0]
  従来の決定論的スケジュールは、現実が名目上の計画から逸脱した時に崩壊する。 この論文は、オフラインの制約プログラミングとオンラインの時間的ネットワーク実行を組み合わせることで、最悪の不確実性の下で実現可能なスケジュールを作成する。
  論文  参考訳（メタデータ） (2025-10-16T17:28:25Z)
• TrajBooster: Boosting Humanoid Whole-Body Manipulation via Trajectory-Centric Learning [79.59753528758361]
  両足のVLAを促進するために、豊富な車輪付きヒューマノイドデータを活用するクロス・エボディメント・フレームワークであるTrajBoosterを提案する。 私たちのキーとなる考え方は、形態素に依存しないインターフェースとして、エンドエフェクタ・トラジェクトリを使用することです。 以上の結果から,TrajBoosterは既存の車輪付きヒューマノイドデータにより,二足歩行ヒューマノイドVLAの性能を効率的に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2025-09-15T12:25:39Z)
• Pangu Embedded: An Efficient Dual-system LLM Reasoner with Metacognition [95.54406667705999]
  Pangu Embeddedは、Ascend Neural Processing Units (NPU) 上で開発された効率的なLarge Language Model (LLM) 推論器である。 既存の推論最適化 LLM でよく見られる計算コストと推論遅延の問題に対処する。 単一の統一モデルアーキテクチャ内で、迅速な応答と最先端の推論品質を提供する。
  論文  参考訳（メタデータ） (2025-05-28T14:03:02Z)
• Beyond 'Aha!': Toward Systematic Meta-Abilities Alignment in Large Reasoning Models [86.88657425848547]
  大型推論モデル(LRMs)はすでに長い連鎖推論のための潜在能力を持っている。 我々は、自動生成の自己検証タスクを使用して、モデルに推論、帰納、誘拐の3つのメタ能力を持たせることを明確にした。 我々の3つのステージ・パイプラインの個別アライメント、パラメータ空間のマージ、ドメイン固有の強化学習は、命令調整ベースラインと比較して10%以上のパフォーマンス向上を実現します。
  論文  参考訳（メタデータ） (2025-05-15T17:58:33Z)
• Acting in Delayed Environments with Non-Stationary Markov Policies [57.52103323209643]
  本稿では,MDPにおける学習と計画のためのフレームワークについて紹介する。 実行が遅れると、元の状態空間における決定論的マルコフポリシーは最大報酬を得るのに十分であるが、非定常である必要があることを証明します。 我々は、状態拡張に頼らずに遅延実行タスクを解く非定常Q学習スタイルのモデルベースアルゴリズムを考案した。
  論文  参考訳（メタデータ） (2021-01-28T13:35:37Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)

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。