大语言模型可以进行调度
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了生产过程中的作业车间调度问题（JSSP），该问题涉及在有限的机器上有效分配作业以最小化总处理时间或延迟。我们首次引入了一个专为训练大语言模型（LLMs）而设计的120k监督数据集，研究发现LLM在调度方面的表现与其他神经网络方法相当，同时提出了一种增强LLMs在JSSP应用效果的采样方法。
本论文提出了一种名为“残余调度”的新方法，用于解决作业车间调度问题和灵活作业车间调度问题。实验证明，该方法在大多数著名的开放式作业车间调度问题和灵活作业车间调度问题基准测试中达到了最先进的水平。此外，研究还观察到，尽管该模型是针对较小规模的调度问题进行训练的，但在大规模调度问题上仍然表现良好。有趣的是，在实验中，该方法甚至在20台机器上有150个以上作业的50个作业车间调度实例中，有49个实例达到了零间隔。
