論文の概要: Dual Representation Enhanced Diffusion Policy for Flexible Job Shop Scheduling
- arxiv url: http://arxiv.org/abs/2611.15246v1
- Date: Wed, 11 Nov 2026 09:34:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.094366
- Title: Dual Representation Enhanced Diffusion Policy for Flexible Job Shop Scheduling
- Title(参考訳): 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二重表現強化拡散ポリシー
- Abstract要約: フレキシブルジョブショップスケジューリング問題(Flexible Job-Shop Scheduling Problem, FJSP)は、スマート製造における基本的で挑戦的な最適化問題である。
近年の深層強化学習手法は環境との相互作用を通じて効果的なスケジューリングポリシーを学習することができる。
拡散政治強化学習スケジューラであるDredRLを提案する。
- 参考スコア(独自算出の注目度): 4.588201975371828
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Flexible Job-Shop Scheduling Problem (FJSP) is a fundamental and challenging optimization problem in smart manufacturing. Although recent deep reinforcement learning (DRL) approaches can learn effective scheduling policies through interaction with the environment, their performance often degrades as problem scale and processing-time uncertainty increase. In this paper, we propose DredRL, a dual representation enhanced diffusion-policy reinforcement learning scheduler. DredRL first constructs enhanced dual representations of operations and machines through self- and cross-attention mechanisms to capture both intra-entity and inter-entity dependencies. A diffusion model is further employed as the policy network, generating scheduling decisions through iterative denoising conditioned on the encoded state to enhance policy expressiveness and robustness. Extensive experiments on synthetic, public, large-scale, and stochastic FJSP benchmarks demonstrate that DredRL outperforms state-of-the-art learning-based schedulers across most configurations. Compared with SOTA learning-based methods, DredRL reduces makespan by up to 5.44% on synthetic instances. It also achieves the best learning-based performance on three of four public benchmarks and outperforms the stochasticity-aware algorithms on stochastic benchmarks. These results demonstrate that combining enhanced dual representations with diffusion-based policies provides an effective and robust approach for large scale scalable FJSP scheduling in complicated environment.
- Abstract(参考訳): フレキシブルジョブショップスケジューリング問題(Flexible Job-Shop Scheduling Problem, FJSP)は、スマート製造における基本的で挑戦的な最適化問題である。
近年の深層強化学習(DRL)アプローチは環境との相互作用を通じて効果的なスケジューリングポリシーを学習できるが,その性能は問題スケールや処理時間の不確実性の増加とともに低下することが多い。
本稿では,拡散政治強化学習スケジューラであるDredRLを提案する。
DredRLは最初、自己とクロスアテンション機構を通じて、操作とマシンの二重表現を強化し、イントラエンタリティとイントラエンタリティの両方の依存関係をキャプチャする。
さらに、拡散モデルをポリシーネットワークとして利用し、符号化された状態に条件付された反復的記述によるスケジューリング決定を生成し、ポリシー表現性とロバスト性を高める。
合成、公開、大規模、確率的なFJSPベンチマークに関する大規模な実験は、DredRLがほとんどの構成で最先端の学習ベースのスケジューラより優れていることを示している。
SOTA学習法と比較すると、DreedRLは合成インスタンスのメイクパンを最大5.44%削減する。
また、4つの公開ベンチマークのうち3つで最高の学習ベースのパフォーマンスを達成し、確率的ベンチマークの確率性認識アルゴリズムよりも優れています。
これらの結果は、拡張二重表現と拡散型ポリシーを組み合わせることで、複雑な環境下での大規模スケーラブルなFJSPスケジューリングに効果的で堅牢なアプローチを提供することを示した。
関連論文リスト
- Scalable Maximum Entropy Reinforcement Learning for Diffusion Policies via Adjoint Matching [25.3394501858201]
拡散政策は強化学習(RL)における複雑な行動分布を表す
我々は,近年の最適制御の進歩を活用して,拡散政策を最適化するための高効率アルゴリズムを提案する。
提案手法は, シミュレーション不要な学習を可能にし, 明確な仮説推定の必要性を回避できる随伴マッチングに基づいている。
論文 参考訳(メタデータ) (2026-06-21T18:32:25Z) - DiffusionOPD: A Unified Perspective of On-Policy Distillation in Diffusion Models [55.01951088768769]
DiffusionOPDはオンライン政策蒸留(OPD)に基づく拡散モデルのための新しいマルチタスクトレーニングパラダイムである
本研究では,DiffusionOPDがトレーニング効率と最終性能において,マルチリワードRLとカスケードRLのベースラインを一貫して上回っていることを示す。
論文 参考訳(メタデータ) (2026-05-14T16:49:09Z) - Learning Memory-Enhanced Improvement Heuristics for Flexible Job Shop Scheduling [39.98859285173431]
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)は、現実の運用シナリオと複雑で強い整合性のため、大きな注目を集めている。
現在の深部強化学習(DRL)に基づくFJSPのアプローチは主に建設的手法を採用している。
本稿では,異種グラフ表現を用いたメモリ拡張改善検索フレームワーク-MIStarを提案する。
論文 参考訳(メタデータ) (2026-03-03T10:43:01Z) - Variational Approach for Job Shop Scheduling [2.256375838037721]
本稿では、ジョブショップスケジューリング問題(JSSP)を解決するための新しい変分グラフ・ツー・スケジュール(VG2S)フレームワークを提案する。
提案手法は,最先端のDRLベースラインや従来のディスパッチルールと比較して,ゼロショットの一般化に優れる。
論文 参考訳(メタデータ) (2026-01-30T23:55:18Z) - Consolidation or Adaptation? PRISM: Disentangling SFT and RL Data via Gradient Concentration [56.074760766965085]
PRISMは、モデルの既存の知識との認知的対立度に基づいてデータを調停する動的認識フレームワークを実現する。
この結果から,内部最適化方式に基づくデータ分離が,スケーラブルでロバストなエージェントアライメントに不可欠であることが示唆された。
論文 参考訳(メタデータ) (2026-01-12T05:43:20Z) - Reinforcement Learning with Discrete Diffusion Policies for Combinatorial Action Spaces [57.466101098183884]
強化学習(Reinforcement Learning, RL)は、現実の多くの問題に共通する大規模なアクション空間にスケールするために苦労する。
本稿では、複雑な環境下での高効率なポリシーとして、離散拡散モデルを訓練するための新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2025-09-26T21:53:36Z) - Entropy-Regularized Token-Level Policy Optimization for Language Agent Reinforcement [67.1393112206885]
大規模言語モデル(LLM)は、対話的な意思決定タスクにおいてインテリジェントなエージェントとして期待されている。
本稿では,トークンレベルでのLLMの最適化に適したエントロピー拡張RL法である,エントロピー正規化トークンレベル最適化(ETPO)を導入する。
我々は,データサイエンスコード生成を多段階対話型タスクのシリーズとしてモデル化したシミュレーション環境におけるETPOの有効性を評価する。
論文 参考訳(メタデータ) (2024-02-09T07:45:26Z) - 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)
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。