arXiv · cs.AI · Luyao Zhu, Fangfang Zhang, Yi Mei, Ke Chen, Mengjie Zhang · 11 小时前模型评分30
用代理辅助遗传编程实现动态柔性作业车间调度规则的终身学习
Lifelong Learning of Scheduling Rules with Surrogate-assisted Genetic Programming for Dynamic Flexible Job Shop Scheduling
导读
针对遗传编程学到的调度规则在任务特征变化时性能明显下降、在新任务上微调又会丢失旧知识的问题，一项研究提出面向动态柔性作业车间调度的代理辅助遗传编程终身学习方法，可依次处理作业到达或批量到达的异构任务。该方法包含自适应两阶段训练、基于任务相似度的加权机制和带距离约束的改进代理模型三部分，实验显示其能缓解灾难性遗忘并保持较强适应性，优于多个对比方法。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：制造与工业
事件类型：研究发布
证据摘录
- “To address this gap, this paper proposes a surrogate-assisted GP method for lifelong learning to handle sequential heterogeneous DFJSS tasks with job or batch arrivals.”
来源：arXiv · cs.AI · arxiv.org