计算机应用研究2021，Vol.38Issue(1) ：120-124,128.DOI:10.19734/j.issn.1001-3695.2019.10.0602

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

Method to solve Job-Shop scheduling problem using deep recurrent neural network model with embedded pointer network

任剑锋 叶春明
计算机应用研究2021，Vol.38Issue(1) ：120-124,128.DOI:10.19734/j.issn.1001-3695.2019.10.0602
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

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

Method to solve Job-Shop scheduling problem using deep recurrent neural network model with embedded pointer network

任剑锋 1叶春明2
扫码查看

作者信息

  • 1. 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
  • 2. 上海理工大学管理学院,上海200093
  • 折叠

摘要

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.

关键词

长短期记忆网络/指针网络/注意力机制/作业车间调度

引用本文复制引用

基金项目

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)

出版年

2021
计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
被引量3
参考文献量2
段落导航相关论文