嵌入指针网络的深度循环神经网络模型求解作业车间调度问题OA北大核心CSCDCSTPCD
Method to solve Job-Shop scheduling problem using deep recurrent neural network model with embedded pointer network
提出了一种数据驱动的作业车间调度算法,训练样本来源于基准实例和部分实际生产数据,通过特征函数来构建样本的特征数据并进行归一化处理,标签数据由调度任务和相应的调度规则的映射关系构成,以LSTM模型为主框架,在模型中嵌入指针网络,将当前序列中概率最大的工件优先进入缓冲区,提高了神经网络的训练速度和质量,采用训练后的模型对新问题进行求解.结果证明了所构建模型的有效性,同时为求解作业车间调度问题提供了新思路.
任剑锋;叶春明
上海理工大学管理学院,上海200093河南财经政法大学计算机与信息工程学院,郑州450018
信息技术与安全科学
长短期记忆网络指针网络注意力机制作业车间调度
《计算机应用研究》 2021 (1)
120-124,128,6
国家自然科学基金资助项目(71840003)上海理工大学科技发展资助项目(2018KJFZ043)