超越训练：通过自适应动作采样优化基于强化学习的工作车间调度
原文中文，约300字，阅读约需1分钟。发表于：。利用经过训练的深度强化学习智能体进行推理的优化参数化方法，该方法通过调整训练好的行为向量，使智能体在解决方案构建过程中更好地探索或开发，进而在有限的计算预算情况下生成更多可接受的解决方案。
该综述比较了深度强化学习在机器调度问题中的方法和应用。研究发现，DRL方法在计算速度和生成接近全局最优解方面表现优于其他方法。然而，DRL方法面临着处理复杂操作约束、多目标优化、泛化性、可扩展性、解释性和鲁棒性等限制。解决这些挑战将是未来研究的关键焦点。该论文为研究人员提供了宝贵的资源，帮助评估当前DRL机器调度领域的现状并发现研究空白，同时也帮助专家和从业者选择适合生产调度的DRL方法。
