制造调度的最佳优算法：引领规模和性能突破的范式转变
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了复杂大型制造调度中的自动优化问题，提出了一种新的Practimum-Optimum（P-O）算法。该算法利用深厚的业务领域知识，计算出多种有效调度，提高了调度速度，并通过强化学习算法学习调度的优缺点，从而在后续迭代中寻找更高质量的调度。其显著发现是，P-O算法实现了制造调度的规模和性能突破，能够在实际应用中快速调度数万项任务。
该文章介绍了一种创新的框架来解决作业车间调度问题。通过使用Petri网建模作业车间，提高了可解释性，并实现了将原始数据直接整合到过程中。该方法在公共测试基准上表现出竞争优势的性能，并在大规模实例中具有竞争力。同时，该方法利用Petri网的图形特性，在推理阶段动态添加作业操作，提高了灵活性。
