BOLT：面向带时间滞后和资源耦合运输的柔性作业车间调度的多瓶颈界引导学习

arXiv:2610.22433v1 公告类型：新 摘要：当稀缺的车辆队列在工位之间运送工件时，柔性作业车间调度会产生资源耦合，因为调度方案决定了运输等待时间。BOLT（面向运输耦合调度的界导向学习）基于链约束、机器容量和车队容量松弛构建下界。该下界在终止时等于完工期，因此其逐步变化可形成一种奖励，其总和等于一个常数减去完工期。由于该下界从不超过可达到的完工期，每个候选方案的下界增量都被证明意味着完工期下限的提高，策略将其理解为一种代价。根节点下界无需求解器即可证明已完成调度方案的次优差距。在受工业应用启发的10模块预制建筑实例中，当满载运输占车队时间至少66%时，显式运输耦合在所有测试设置中都优于运输惩罚策略；而在占比不高于56%时则没有任何优势。在五批零样本的50模块和80模块生产任务中，BOLT在其中四批上优于最佳调度规则组合，并在三批长距离运输任务中优于惩罚策略。在三辆车的80模块任务中，其平均完工期比最佳调度规则组合低13.0%，比一小时时限的约束规划求解器低4.2%；后者的已证明差距平均为34%。BOLT在单个处理器核心上每个事件的决策耗时为2.3至5.9毫秒，并能在数秒内针对扰动重新规划。