Feb, 2024

基于遗传约束编程的资源受限作业调度

PDF
TL;DR提出了一种遗传规划算法，用于发现资源约束作业调度的约束规划的高效搜索策略，通过进化程序表示变量选择器，并通过质量评估方案确定其适应度，结果显示进化的变量选择器能够显著提高约束规划的效率。
resource-constrained job schedulinggenetic programming algorithmconstraint programmingvariable selectorsefficiency
发现论文，激发创造
  • 通过监督学习增强约束编程以进行作业车间调度

    本文提出了一种基于监督学习的变量排序策略，针对工厂车间问题进行求解，通过分类与回归模型预测问题实例的最优解，从而优化约束规划求解器的变量搜索顺序，并表明该方法表现优异，且与传统的基于领域的方法结合的混合策略效果更佳。

    Nov, 2022

  • 基于约束编程的作业车间调度问题的端到端强化学习方法

    本文提出了一种基于约束编程（CP）和强化学习（RL）的端到端解决调度问题的方法，通过神经网络架构和训练算法，仅需要一些调度问题的约束编码和一组小实例，我们的方法在七个 JSSP 数据集上进行了评估，并展示了其在相同时间限制内找到比静态 PDRs 和 CP 求解器更高质量的解决方案的能力。

    Jun, 2023

  • 基于 MAP-Elites 的超启发式方法解决资源约束项目调度问题

    该论文提出了一种基于 MAP-Elites 的超启发式方法，用于自动发现 RCPSP 的高效优先级规则，并与传统的 GPHH 和人类专家的优先级规则进行比较，结果表明该方法在多样性和性能方面都有显著改进。

    Apr, 2022

  • 解决大学课程分配问题的混合进化方法

    本文介绍了针对大学课程分配问题所面临的种种约束、困难及其解决方案，提出了一种混合演化算法来生成最佳的课程分配方案，并复杂构建相关约束以便为每位教员准备出无冲突且高效的课表，以减轻手动分配的工作量。所提出的算法相较于基本优化算法在准确性和时间效率上表现更优。

    Nov, 2022

  • 在通用约束编程求解器内训练深度 Q 学习代理

    本文提出了一种结合深度 Q 学习算法、定制奖励信号和异构图神经网络架构的通用学习过程，用于在约束编程求解器中获取值选择启发式，并在图着色、最大独立集和最大割问题上进行实验，表明该框架能够在通用的前提下，找到更接近最优解的更好解决方案，而无需大量回溯。

    Jan, 2023

  • 规模可区分的组合调度算法

    通过使用一个可微分的组合调度框架和 Gumbel-Softmax 可微分取样技术，本文提出了一种解决资源受限调度问题的新方法，扩展了线性规划的应用范围，并通过对比评估结果表明，在优化效率方面，超过了 CPLEX、Gurobi 和 CP-SAT 等现有解决方案的能力。

    Jun, 2024

  • 归纳式约束编程循环

    提出了一种新的框架，称为归纳约束编程循环，该框架结合了数据挖掘和机器学习等领域以及约束编程，用于动态更新约束和优化条件来解决许多实际的优化问题。

    Oct, 2015

  • 基于图遗传算法的自动化拼图验证以实现更快的游戏设计

    本文介绍了一种带有专家知识启发式的进化算法，以更高效地解决逻辑谜题，在游戏设计中可以应用于自动验证和个性化谜题设计。

    Feb, 2023

  • 运用遗传算法和模拟退火优化物流配送中心的工人排班

    本研究通过综合应用遗传算法和模拟退火算法，解决了物流中心工人排班的优化问题。该优化问题涉及到永久性和临时性工人的合理排班，以提高物流中心的效率并最小化劳动力使用。研究通过建立一个 0-1 整数线性规划模型，使用遗传算法和模拟退火算法解决模型，并发现遗传算法在解决问题时的质量优于模拟退火算法。最优解揭示了 29857 个人天的最小工时需求。

    May, 2024

  • 自适应遗传算法实现的现场工作调度

    本研究提出了一种自适应遗传算法来解决现场作业调度问题，在最小化旅行距离和加班时长的同时，满足与 SLA 相关的约束条件，并为大量工作和技术人员找到了优化的旅行路线。

    Jun, 2023