論文の概要: BOLT: Multi-Bottleneck Bound-Guided Learning for Flexible Job-Shop Scheduling with Time Lags and Resource-Coupled Transport
- arxiv url: http://arxiv.org/abs/2610.22433v1
- Date: Thu, 15 Oct 2026 08:54:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.588904
- Title: BOLT: Multi-Bottleneck Bound-Guided Learning for Flexible Job-Shop Scheduling with Time Lags and Resource-Coupled Transport
- Title（参考訳）: BOLT: 時間ラグとリソース結合輸送を考慮したフレキシブルジョブショップスケジューリングのためのマルチブートネック境界誘導学習
- Abstract要約: フレキシブルなジョブショップスケジューリングは、少ない車両群が駅間でジョブを移動するとリソース結合になる。
BOLTは、チェーン、マシンキャパシティ、フリートキャパシティ緩和から低いバウンドを構築する。
1つのプロセッサコア上で1イベント当たり2.3-5.9ミリ秒で決定し、ディスラプションを数秒で再計画する。
- 参考スコア（独自算出の注目度）: 13.272003955360345
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Flexible job-shop scheduling becomes resource-coupled when a scarce vehicle fleet moves jobs between stations, because the schedule sets the transport waits. BOLT (bound-oriented learning for transport-coupled scheduling) builds a lower bound from chain, machine-capacity, and fleet-capacity relaxations. The bound equals the makespan at termination, so its per-step changes form a reward that sums to a constant minus the makespan. Because it never exceeds the attainable makespan, each candidate's bound increase is a proven rise of the makespan floor, which the policy reads as a price. The root bound certifies a completed schedule's suboptimality gap without a solver. On industry-motivated 10-module prefabricated-construction instances, explicit transport coupling outperforms a transport-penalty policy in every tested cell where loaded moves occupy at least 66% of fleet time and in none at or below 56%. Across five zero-shot 50- and 80-module production batches, BOLT outperforms the best dispatching-rule pair on four and the penalty policy on the three with long moves. In the three-vehicle 80-module batch, its mean makespan is 13.0% below the best pair and 4.2% below an hour-budget constraint-programming solver whose proven gap averages 34%. BOLT decides in 2.3-5.9 ms per event on one processor core and re-plans a disruption in seconds.
- Abstract（参考訳）: フレキシブルなジョブショップスケジューリングは、少ない車両群が駅間でジョブを移動するときにリソース結合となる。
BOLT (bound-oriented learning for transport-coupled scheduling) は、チェーン、マシン容量、およびフリート容量緩和から低いバウンドを構築する。
境界は終点におけるメイスパンと等しいので、そのステップごとの変化は報酬を形成し、メイスパンを減少させる。
達成可能なメーパンを超えないため、各候補者の限界増加は、政策が価格として読み取るメイパンフロアの顕著な上昇である。
ルートバウンドは、解決者なしで完了したスケジュールの最適値以下のギャップを認証する。
産業で動機付けられた10モジュールのプレハブ化コンストラクションインスタンスでは、明示的なトランスポート結合は、ロードされた移動が少なくとも66%を占め、少なくとも56%以下であるテストセル毎のトランスポート-ペナルティポリシーより優れる。
5つのゼロショット50モジュールと80モジュールのプロダクションバッチで、BOLTは4つで最高のディスパッチルペア、長い動きで3つのペナルティポリシーを上回ります。
3サイクルの80モジュールバッチでは、平均メイスパンは最高のペアより13.0%低く、証明されたギャップ平均が34%の時間予算制約プログラミングソルバより4.2%低い。
BOLTは1つのプロセッサコア上で1イベント当たり2.3-5.9ミリ秒で決定し、ディスラプションを数秒で再計画する。
関連論文リスト
- RFPO: Rectified Flow Policy Optimization for Embodied Control [57.28454299980691]
フローベースのポリシーは、継続的ロボット制御のための表現力のあるフレームワークを提供するが、その反復ODE統合は、かなりの推論コストをもたらす。
本稿では,信頼性のある数ステップ実行のためのフローポリシー最適化フレームワークRFPOを紹介する。
Unitree Go2、Boston Dynamics Spot、Unitree H1、Unitree G1の他、RFPOはワンステップ実行下でのフルステップ制御性能を一貫して維持する。
論文 参考訳（メタデータ） (2026-10-07T17:24:46Z) - From Production Traffic to Post-Training: Building a Self-Hosted LLM That Covers the Corporate Request Mix [55.08143827481755]
200以上の内部アプリケーションから1つのモデルにトラフィックを集約します。
我々は、各軸ごとに別々のGRPOエキスパートを訓練し、2段階のSLERPを介してそれらをマージする。
このモデルは、プラットフォームトラフィックの50%、月1億6600万リクエストをサービスコストのごく一部で吸収する。
論文 参考訳（メタデータ） (2026-09-01T17:39:26Z) - Certified-Gap Dual-Price Policies for Real-Time Truckload Bid Acceptance with Relocating, Clock-Constrained Resources [6.287457666346811]
我々は、問題の上界を与えるラグランジアン緩和と同一のラグランジアン緩和から、リアルタイムな双対価格ポリシーを構築する。
0.04-0.09ミリ秒で決定され、モンテカルロのロールアウト教師より3桁速い。
論文 参考訳（メタデータ） (2026-07-18T17:16:42Z) - From Feasibility to Desirability: Plan, Learn, Adapt (PLA) Framework for Personalized On-Device Itinerary Generation [1.6391892978433935]
Plan, Learn, Adaptは、デバイス上でパーソナライズされた反復生成のための3段階のフレームワークである。
アメリカ合衆国の100以上の都市で2,519対の人間比較を行い、PLAは67.8%の勝利率、最高のシングルプランナーよりも11.2%のポイントを達成し、100%実現可能である。
FlyEnJoyでの運用では、PLAは反復完了率を91%増加させ、109.9msのデバイス上の平均遅延を発生させた。
論文 参考訳（メタデータ） (2026-07-17T01:52:02Z) - Time-Lag-Aware Deep Reinforcement Learning for Flexible Job-Shop Scheduling in PPVC Module Factories [13.958047178810189]
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。
論文 参考訳（メタデータ） (2026-07-13T15:50:00Z) - Not Every Sync Is Safe: Calibrated DiLoCo Scheduling for Shared AI Infrastructure [6.71937346130764]
DiLoCoスタイルのトレーニングは、時折外部同期の前に島々をローカルに列車に乗せることで通信を減らします。
このような船体に対する疑問は、外部マージがシステムコストに見合う価値があるのか、そして、事項を遅らせるためにエフェロウィンドウを選択するかどうかである。
このギャップを、スコアベースのコントローラであるWorkloadAware DiLoCoで埋めます。
論文 参考訳（メタデータ） (2026-06-24T05:57:19Z) - HiMAP-Travel: Hierarchical Multi-Agent Planning for Long-Horizon Constrained Travel [17.262462566213244]
提案する階層型マルチエージェントフレームワークであるHiMAP-Travelは,計画を戦略的コーディネートと並列日次実行に分割する。
TravelPlannerでは、Qwen3-8Bを用いたHiMAP-Travelが52.78%の検証と52.65%のテストファイナルパスレート(FPR)を達成した。
論文 参考訳（メタデータ） (2026-03-05T02:55:53Z) - STEP3-VL-10B Technical Report [115.89015065130127]
STEP3-VL-10Bは、コンパクト効率とフロンティアレベルのマルチモーダルインテリジェンスとのトレードオフを再定義する軽量基盤モデルである。
そこで我々はPallel Coordinated Reasoning(PaCoRe)を実装して,テスト時間計算をスケールし,リソースをスケーラブルな知覚推論に割り当てる。
MMBenchでは92.2%、MMMUでは80.11%、AIME2025では94.43%、MathVisionでは75.95%である。
論文 参考訳（メタデータ） (2026-01-14T17:58:24Z) - Squeeze the Soaked Sponge: Efficient Off-policy Reinforcement Finetuning for Large Language Model [56.92219181993453]
本稿では,PPOやGRPOなどのオンラインRFT手法をオフ・ポリティクスデータに活用するために,Reincarnating Mix-policy Proximal Policy Gradient (ReMix)を提案する。
ReMix は,(1) 効率的なトレーニングのための更新データ(UTD)比が増大した混成政策勾配,(2) 安定性と柔軟性のトレードオフのバランスをとるためのKL-Convex 政策制約,(3) 効率的な早期学習から安定した改善へのシームレスな移行を実現するための政策再編成の3つの主要な構成要素から構成される。
論文 参考訳（メタデータ） (2025-07-09T14:29:45Z)
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。