首页|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

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

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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

展开 >

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

长短期记忆网络 指针网络 注意力机制 作业车间调度

国家自然科学基金资助项目上海理工大学科技发展资助项目

718400032018KJFZ043

2021

10.19734/j.issn.1001-3695.2019.10.0602

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
年,卷(期)：2021.38(1)
  • 3
  • 2