本研究提出了一种新方法GPRT，结合强化学习与遗传编程，旨在解决动态调度中的不可预测干扰问题。该方法在集装箱码头调度中展现出优于传统方法的适应性和有效性。

本研究提出了一种基于图神经网络的动态调度框架(QAG)，旨在提高网络建模的能效。通过量子近似优化(QAO)算法，该框架有效降低了模型复杂度，实现了至少50%的能量节省，并将应用需求流失率降低了60%。

Primus是一个通用的分布式训练调度框架，支持多种训练框架、调度器和角色，具备容错处理、动态调度、多数据源数据类型支持等功能。它能够帮助算法工程师从底层细节中解脱出来，更多地关注算法层面。