标签
本文介绍了RACE-Sched，一种异步智能体框架，它将实时反应式调度与基于LLM的深思熟虑推理解耦，以处理动态作业车间调度问题，在DRL和其他基准方法上取得了更优的性能。
本文提出了一种策略中立的执行与测量层，以弥合基于强化学习的工业调度中的仿真到现实差距，实现执行错误的结构化归因，提升可靠性与可解释性。
本文提出了一种用于作业车间调度的门控超启发式算法，该算法使用遗憾归一化的滚动标签和上下文KNN不确定性估计，以降低标签生成成本，并避免在预测改进不可信时切换出强默认规则。实验表明，该门控选择器实现了较低的均值相对百分比偏差，同时显著降低了计算成本。