Jens Heger;托尔斯滕·希尔德布兰特;伯恩德·舒尔茨·赖特 高斯过程调度规则选择。 （英语） Zbl 1339.90336号 CEJOR，美分。欧洲药典。物件。 23，第1期，235-249（2015）. 摘要：带调度规则的分散调度应用于物流和生产的许多领域，特别是在高度复杂和动态的场景中，例如半导体制造。文献中提出了许多调度规则，这些规则在特定场景中表现良好。然而，没有已知的规则始终优于所有其他规则。满足这一挑战并提高调度性能的一种方法是根据当前系统条件选择和切换调度规则。为此，经常使用机器学习技术（例如，人工神经网络）。在本文中，我们研究了以前没有应用于此任务的机器学习技术的使用：高斯过程回归。我们的分析表明，在大多数情况下，高斯过程比神经网络更好地预测调度规则性能。此外，单个高斯过程模型可以很容易地提供预测质量的度量。这与许多其他机器学习技术形成了对比。我们展示了如何使用此度量动态添加额外的训练数据，并在必要时逐步改进模型。因此，结果表明，高斯过程是一种非常有前途的技术，与其他技术相比，它可以带来更好的调度性能（例如，减少平均拖期）。 MSC公司： 90 C59 数学规划中的近似方法和启发式 90B35型 运筹学中的确定性调度理论 68T05型 人工智能中的学习和自适应系统 关键词：计划和调度;调度规则;机器学习;高斯过程;生产管理和物流 软件：威卡;SIMLIB公司 PDF格式BibTeX公司 XML格式引用 \textit{J.Heger}等人，CEJOR，Cent。欧洲药典。第23号决议，第1号，235--249（2015；Zbl 1339.90336） 全文： 内政部 参考文献： [1] Alpaydin E（2004）机器学习导论（自适应计算和机器学习系列），第14卷。麻省理工学院出版社，剑桥·Zbl 1191.68485号 [2] Becker T，Windt K（2011）现有自主控制方法的比较观点：模拟研究的观察结果。信息来源：Hülsmann M、Scholz-Reiter B、Windt K（eds）Autonomous cooperation and control In logistics。施普林格-柏林-海德堡，第275-289页 [3] Blackstone JH、Phillips DT、Hogg GL（1982）制造车间作业调度规则的最新调查。国际J生产研究20（1）：27-45·doi:10.1080/00207548208947745 [4] Conway RW（1965）《车间优先调度和作业延迟》。工业工程杂志16:228-237 [5] Dashkovskiy S，Karimi HR，Kosmykov M（2012）具有时滞的物流网络稳定性分析的Lyapunov-Razumikhin方法。国际系统科学杂志43（5）：845-853·Zbl 1307.93303号 ·doi:10.1080/00207721.2010.528179 [6] El-Bouri A，Shah P（2006），车间调度规则选择的神经网络。国际先进制造技术杂志31（3-4）：342-349·doi:10.1007/s00170-005-0190-y [7] Guneri AF，Gumus AT（2008）有限容量调度的人工神经网络：比较研究。国际工业工程杂志15（4）：349-359 [8] Hall M、Frank E、Holmes G、Pfahringer B、Reutemann P、Witten H（2009）《weka数据挖掘软件：更新》。SIGKDD探索新闻11（1）：10-18·数字对象标识代码：10.1145/1656274.1656278 [9] Hvalica D（2012）在超图背景下解决车间作业问题。《欧洲中央操作研究杂志》21（1）：1-14。doi:10.1007/s10100-012-0268-1 [10] Haupt R（1989）基于优先级规则的调度调查。运营研究演讲11（1）：3-16·Zbl 0658.90047号 ·doi:10.1007/BF01721162 [11] Heger J、Hildebrandt T、Scholz-Reiter B（2013）使用高斯过程切换调度规则。收录：Windt K（ed）生产工程讲稿：稳健制造控制。柏林施普林格 [12] Hentsch K，Köchel P（2011）使用遗传算法和惩罚的禁止设置和两个目标的作业调度。欧洲中央司法研究杂志19:285-298·doi:10.1007/s10100-010-0162-7 [13] Hildebrandt T、Heger J、Scholz-Reiter B（2010）《改进复杂车间场景的调度规则：遗传编程方法》。摘自：美国波特兰第十二届遗传和进化计算年会论文集，第257-264页 [14] Holthaus O，Rajendran C（1997）车间调度的有效调度规则。国际生产经济学杂志48（1）：87-105·doi:10.1016/S0925-5273（96）00068-0 [15] Holthaus O，Rajendran C（2000）《高效车间调度规则：进一步发展》。生产计划控制11（2）：171-178·doi:10.1080/095372800232379 [16] Huffman BJ（2001）SIMLIB（一个简单的模拟包）的面向对象版本。信息转化教育2（1）：1-15·doi:10.1287/ite.2.1.1 [17] Karimi HR，Duffie NA，Dashkovskiy S（2010）时变时滞自治工作系统生产网络的局部容量H_∞控制。IEEE Trans-Autom Sci Eng 7（4）：849-857·doi:10.1109/TASE.2010.2046735 [18] Kotsiantis SB（2007）《监督机器学习：分类技术综述》。Informatica信息31:249-268·兹比尔1162.68552 [19] Law AM（2007）《模拟建模与分析》，第4版。波士顿麦格劳-希尔 [20] 麦凯DJC（1998）高斯过程简介。摘自：Bishop CM（ed）神经网络和机器学习，北约ASI系列，第168卷。柏林施普林格，第133-165页·Zbl 0936.68081号 [21] Mouelhi-Chibani W，Pierreval H（2010）训练神经网络以实时选择调度规则。计算工业工程58（2）：249-256。医疗和工业系统中的调度·Zbl 0369.90054号 [22] Neal RM（1996），神经网络贝叶斯学习（统计学讲义），第1版。柏林施普林格·Zbl 0888.62021号 [23] O'Hagan A（1978）曲线拟合和优化设计。日本统计学会40（1）：1-42·Zbl 0374.62070号 [24] Paciorek CJ，Schervish MJ（2004），高斯过程回归的非平稳协方差函数。收录：神经信息处理系统会议记录。麻省理工学院出版社 [25] Panwalkar SS，Iskander W（1977）《调度规则调查》。运营研究25（1）：45-61·Zbl 0369.90054号 ·doi:10.1287/opre.25.1.45 [26] Plagemann C，Kersting K，Burgard W（2008）使用局部平滑度的点估计进行非平稳高斯过程回归。收录：Daelemans W、Goethals B、Morik K（编辑）数据库中的机器学习和知识发现，第5212卷。施普林格-柏林-海德堡，第204-219页 [27] Priore P，de la Fuente D，Gomez A，Puente J（2001）《柔性制造系统动态调度中的机器学习综述》。AI EDAM 15（03）：251-263·Zbl 0972.68544号 [28] Rajendran C，Holthaus O（1999）动态流程车间和作业车间调度规则的比较研究。欧洲运营研究杂志116（1）：156-170·Zbl 1009.90038号 ·doi:10.1016/S0377-2217（98）00023-X [29] Rasmussen CE，Williams CKI（2006）机器学习的高斯过程（自适应计算和机器学习）。麻省理工学院出版社，剑桥·Zbl 1177.68165号 [30] Rasmussen CE（1996）《高斯过程和其他非线性回归方法的评估》。多伦多大学计算机科学系博士论文 [31] 孙永林，叶毅（1996）制造单元的智能控制器。国际J生产研究34（8）：2353-2373·Zbl 0930.90034号 ·doi:10.1080/00207549608905029 [32] Wilbrecht JK、Prescott WB（1969年）《设置时间对车间绩效的影响》。Manag科学16（4）：274-280·doi:10.1287/mnsc.16.4.B274 [33] Williams C（2006）机器学习软件的高斯过程示例。http://www.gaussianprocess.org/gpml/code/matlab/doc/ ·Zbl 1009.90038号 [34] Williams CKI，Rasmussen CE（1996）回归的高斯过程。高级神经信息处理系统8:514-520 [35] Wu S-YD，Wysk RA（1989）离散事件仿真在柔性制造在线控制和调度中的应用。国际生产研究杂志27（9）：1603-1623·doi:10.1080/00207548908942642 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。