Reconstruction-Based Adaptive Scheduling Using AI Inferences in Safety-Critical Systems
University of Siegen（锡根大学）
本文提出一种基于AI推理的重构式自适应调度框架，通过动态验证和组装调度，解决安全关键时间触发系统中的消息冲突、死锁等问题，提升系统适应性和运行性能。
2025-09-24 cs.AI cs.DC
A Multiperiod Workforce Scheduling and Routing Problem with Dependent Tasks
Universidade Federal de Lavras（拉夫拉斯联邦大学）
本文研究了一个新的劳动力调度和路径问题，称之为多周期相关任务的劳动力调度和路径问题。在这个问题中，客户向公司请求服务。每个服务都由相关任务组成，这些任务由不同技能的团队在一天或多天内执行。属于一个服务的任务可以由不同的团队执行，客户可以每天访问一次以上，只要不违反先例。目标是调度和路由团队，使最大完工时间最小化，即，所有服务均在最短天数内完成。为了解决这一问题，我们提出了一个混合规划模型，一个建设性的算法和启发式算法的基础上的蚁群优化（ACO）元启发式。优先约束的存在使得开发高效的局部搜索算法变得困难。这促使选择ACO元启发式，这是有效的指导建设过程走向良好的解决方案。计算结果表明，该模型能够一致地解决多达20个客户和60个任务的问题。在大多数情况下，性能最好的ACO算法能够在其计算时间的一小部分内匹配模型提供的最佳解。
2020-08-06 cs.AI math.OC
Metaheuristics for the Online Printing Shop Scheduling Problem
University of Luxembourg（卢森堡大学）；University of São Paulo（圣保罗大学）
在这项工作中，在线印刷车间调度问题（Lunardi等人，混合线性规划和约束规划模型的在线印刷车间调度问题，计算机与运筹学，出现）。这个具有挑战性的实际调度问题，出现在当今的印刷业，对应于一个灵活的作业车间调度问题与排序的灵活性，它提出了几个复杂的特性，如可重复的操作，不可用的机器，顺序依赖的设置时间，部分重叠的操作之间的优先约束，和固定的操作，等等。一个本地的搜索策略和元启发式方法的问题，提出和评价。基于一个共同的表示方案，轨迹和人口metabolistics。大量的数值实验表明，所提出的方法是适合解决实际问题的情况下，他们优于半启发式半精确现成的解决方案在很大程度上。柔性作业车间调度问题的经典实例的数值实验表明，所介绍的方法也有竞争力时，适用于这种特殊的情况。
2022-02-20 cs.AI
HGT-Scheduler: Deep Reinforcement Learning for the Job Shop Scheduling Problem via Heterogeneous Graph Transformers
Institute for Simulation and Training（模拟与培训研究所）；University of Central Florida（中央佛罗里达大学）
HGT-Scheduler通过异构图变换器和近端策略优化，改进作业车间调度问题的调度策略学习，实现更优的调度效果。
2026-03-06 cs.AI cs.ET cs.LG
Iterated Variable Neighborhood Search for the resource constrained multi-mode multi-project scheduling problem
Helmut-Schmidt-University, University of the Federal Armed Forces Hamburg（赫尔穆特·施密特大学（汉堡联邦国防军大学））
资源受限多模式多项目调度问题是一个非常困难的组合优化问题。对于一组给定的活动，必须找到可行的执行模式分配和执行开始时间，以便优化某些优化函数，例如最大完工时间。当确定决策变量值的最优（或至少可行的）分配时，一组侧约束，诸如资源可用性、优先约束等，必须得到尊重2013年，MISTA 2013挑战赛规定了RCMMMPSP中的研究。它的目标是在运行时间限制下解决给定的一组实例。我们通过这里提出的方法为应对这一挑战做出了贡献。
2013-10-02 cs.AI
Optimal Task Assignment and Path Planning using Conflict-Based Search with Precedence and Temporal Constraints
Carnegie Mellon University（卡内基梅隆大学）
本文研究带优先级和时间约束的任务分配与路径规划问题，扩展Conflict-Based Search以同时生成无碰撞路径和任务分配，最大化强化学习奖励回报，高效解决拆弹等复杂任务。
2024-04-22 cs.AI cs.MA
Solving the Aircraft Disassembly Scheduling Problem
Institute of Information and Communication Technologies, Electronics and Applied Mathematics (ICTEAM)（信息与通信技术、电子与应用数学研究所）；UCLouvain（乌得勒支大学）
针对飞机拆解调度这一大规模复杂问题，提出约束规划模型和混合整数规划模型，基于工业合作伙伴的真实运营数据测试至多1450个任务，旨在提高拆解过程的盈利性和可持续性。
2026-05-22 cs.AI
Sim2Schedule: A Simulator-Guided LLM Framework for Autonomous Open-Pit Mine Scheduling
Department of Computer Science, Lakehead University（湖头大学计算机科学系）；Quantum Communications and Computing Research Center and Department of Electrical and Computer Engineering, Memorial University of Newfoundland（新斯科舍纪念大学量子通信与计算研究中心及电气与计算机工程系）；Department of Electrical and Computer Engineering, Memorial University of Newfoundland（新斯科舍纪念大学电气与计算机工程系）
提出模拟器引导的LLM框架，将地质约束编码到动作生成中，零样本生成可解释调度方案，在保持线性计算时间下恢复MILP最优NPV的94%-99%。
2026-06-09 cs.AI
Data-driven project planning: An integrated network learning and constraint relaxation approach in favor of scheduling
Bar-Ilan University（巴伊兰大学）
本文提出融合网络学习与时间约束松弛的数据驱动项目规划方法，利用历史项目网络、决策规则和资源约束调度生成计划，真实数据显示关键路径最多缩短26%。
2024-04-07 cs.AI
Distributed Allocation and Scheduling of Tasks with Cross-Schedule Dependencies for Heterogeneous Multi-Robot Teams
University of Zagreb（萨格勒布大学）；Universidad de Sevilla（塞维利亚大学）
为了在日常生活中安全有效地使用多机器人系统，必须开发一种鲁棒且快速的方法来协调它们的动作。在本文中，我们提出了一个分布式任务分配和调度算法的任务中，不同的机器人的任务是紧耦合的时间和优先约束。该方法是基于代表的车辆路径问题的一个变种的问题，并使用分布式元启发式算法的基础上演化计算（CBM-POP）的解决方案。这种方法允许快速和接近最优的分配，因此可以用于在任务变化的情况下进行在线重新规划。仿真结果表明，该方法具有更好的计算速度和可扩展性，而不会损失最优性相比，最先进的分布式方法。规划过程的实际使用情况下，由多机器人系统温室维护的应用。
2021-09-07 cs.AI cs.RO
iScheduler: Reinforcement Learning-Driven Continual Optimization for Large-Scale Resource Investment Problems
iScheduler通过强化学习驱动的连续优化方法，有效解决大规模资源投资问题，显著降低资源成本并提升调度效率。
2026-08-25 cs.AI cs.DC
Combining Monte-Carlo and Hyper-heuristic methods for the Multi-mode Resource-constrained Multi-project Scheduling Problem
University of Nottingham（诺丁汉大学）；University of Essex（埃塞克斯大学）
多模式资源和优先约束的项目调度是一个著名的具有挑战性的现实世界的优化问题。该问题的一个重要变体要求在考虑当地和全球资源的可用性的同时，考虑一系列约束条件，为多个项目安排活动。本文所述基准的一个关键方面是，主要目标是最大限度地减少项目完成时间的总和，通常的完工时间最小化作为次要目标。我们观察到，这将导致一个预期的不同的整体结构的良好的解决方案，并讨论这对算法设计的影响。本文提出了一个精心设计的混合蒙特卡罗树搜索，新颖的邻域移动，模因算法，超探试法。该实现还被设计为提高执行迭代的速度，并利用多核机器的计算能力。经验评估表明，所得到的信息共享多组件算法显着优于其他求解器上的一组“隐藏”的情况下，即实例不可用的算法设计阶段。
2016-09-08 cs.AI cs.DS cs.NE
MAP-Elites based Hyper-Heuristic for the Resource Constrained Project Scheduling Problem
Commonwealth Scientific and Industrial Research Organisation（联邦科学与工业研究组织）；Indian Institute of Technology（印度理工学院）；University of New South Wales（新南威尔士大学）
资源受限的项目调度问题是一个NP-Hard组合优化问题。RCPSP的目标是在不违反任何活动优先级或资源约束的情况下调度一组活动。近年来，研究人员已经从复杂的解决方法，如Meta分析和精确的数学方法，转向更简单直观的解决方案，如优先级规则。这通常涉及使用基于遗传编程的超启发式（GPHH）来发现可应用于新的未知案例的新优先级规则。影响GPHH的一个常见问题是进化的多样性，这通常会导致质量差的输出。在本文中，我们提出了一个MAP精英超启发式（MEHH）的自动发现有效的优先级规则RCPSP。MAP-Elites采用基于质量多样性的方法，明确维护沿多个特征维度表征的不同解决方案的档案。为了证明我们提出的超启发式的好处，我们比较了传统的GPHH和人类专家提出的优先级规则的整体性能。我们的研究结果表明，在多样性和性能方面都有很大的改善。特别是，我们看到的重大改进，已在现有文献中研究的较大的情况下。
2022-04-24 cs.AI cs.NE
Planning and Scheduling in Hybrid Domains Using Answer Set Programming
University of Arkansas at Pine Bluff（阿肯色大学松崖分校）
在本文中，我们提出了一个行动的回答集编程为基础的方法来解决规划和调度问题的混合域-域表现出离散和连续的行为。我们使用动作语言H表示域，然后将得到的理论转化为A-Prolog程序。通过这种方式，我们减少了寻找解决方案的问题，规划和调度问题的计算答案集的A-Prolog程序。我们从文献中引用了一个计划和调度的例子，并展示了如何在H。我们将展示如何将所得到的H理论转化为一个等价的A-Prolog程序。我们计算得到的程序使用的混合求解器称为EZCSP松散集成的约束求解器与答案集求解器的答案集。求解器允许我们推理实数上的约束，并计算复杂计划和调度问题的解决方案。结果表明，我们的方法可以适用于任何规划和调度问题的混合域。
2013-01-08 cs.AI
A Hierarchical Temporal Planning-Based Approach for Dynamic Hoist Scheduling Problems
Sun Yat-Sen University（中山大学）；Software Engineering Institute of Guangzhou（广州软件工程研究所）
随着自主设备的发展，提升机调度已成为电镀行业应用的瓶颈。虽然有一些方法提出了针对具有挑战性的问题，他们通常不能扩展到大规模的调度问题。在本文中，我们制定了提升机调度问题作为一个新的时间规划问题的形式，适应PDDL，并提出了一种新的分层时间规划方法，有效地解决调度问题。此外，我们还提供了一系列真实的基准测试实例，可用于评估问题的解决方案。我们表明，所提出的方法是能够有效地找到高质量的解决方案，为大规模的现实生活中的基准实例，与国家的最先进的基线相比。
2022-12-11 cs.AI
Resource-constrained Project Scheduling with Time-of-Use Energy Tariffs and Machine States: A Logic-based Benders Decomposition Approach
Czech Institute of Informatics, Robotics and Cybernetics（捷克信息学、机器人学与自动化研究所）；Czech Technical University in Prague（布拉格捷克技术大学）
研究含分时电价和机器状态的资源受限项目调度问题，提出整体约束规划和基于逻辑的Benders分解两种方法，后者结合整数线性规划和约束规划，两种方法优于整体紧凑整数线性规划，且后者多数情况表现更佳。
2026-07-07 cs.AI math.OC
On the comparison of plans: Proposition of an instability measure for dynamic machine scheduling
Helmut Schmidt University（赫尔穆特·施密特大学）
在分析以往研究的基础上，我们提出了一个通用的方法来衡量计划的差异与机器调度的示例性应用。我们的工作的动机是需要这样的措施，这是用于动态调度和规划的情况。在这方面，需要定量方法来评估时间表的稳健性和稳定性。显然，任何计划的“稳健性”或“稳定性”都必须由W来定义。R. t.具体情况和人类决策者的要求。因此，除了不稳定性措施的建议，我们讨论了从决策者的实施所介绍的方法获得有意义的信息的可能性。
2010-04-27 cs.AI
Surrogate-Assisted Genetic Programming with Phenotypic Characterisation in Dynamic Multi-Mode Project Scheduling
Victoria University of Wellington（惠灵顿维多利亚大学）
本研究针对动态多模式项目调度，提出代理辅助遗传规划结合表型特征表征，通过二进制编码与欧氏距离有效估计适应度，并控制冗余、保留多样性，提升启发式质量。
2026-09-15 cs.AI cs.NE
Time-interval balancing in multi-processor scheduling of composite modular jobs (preliminary description)
Inst. for Inform. Transmission Problems, Russian Academy of Sciences（俄罗斯科学院信息传输问题研究所）
本文描述了组合模块作业多处理机调度中的一种特殊的时间间隔平衡。这种调度问题是接近准时计划的方法。首先，简要的文献调查提出了准时调度和交货期数据/交货期窗口调度问题。在此基础上，提出了组合模块化工件的时间间隔均衡调度问题及其形式。说明性的现实世界的规划模块化住宅建设的例子进行了描述。在这里，主要的目标函数包括典型建筑模块（细节）的生产和建筑的组装过程（由几个团队）之间的平衡。必须修改装配计划以满足平衡要求。求解框架基于以下内容：（i）聚类初始模块化细节类型集合以获得对应于主要制造输送机的大约10个基本细节类型;（ii）设计用于建筑物的装配的初步计划;（iii）检测不平衡的时间段;（iv）修改计划解决方案以改善进度平衡。该框架实现了基于局部优化方法的元启发式。另外两个应用（供应链管理，信息传输系统）进行了简要说明。
2018-11-11 cs.AI
Guiding Large Language Models with Genetic Programming-Evolved Heuristic Knowledge for Dynamic Multi-Mode Project Scheduling
Centre for Data Science and Artificial Intelligence（数据科学与人工智能中心）；School of Engineering and Computer Science（工程与计算机科学学院）；Victoria University of Wellington（惠灵顿维多利亚大学）
本研究将遗传编程演化的调度规则知识反向转移，通过四种机制指导大语言模型决策，提升了调度性能、决策稳定性并降低 token 消耗。
2026-07-31 cs.AI cs.NE
RED: A Systematic Real-Time Scheduling Approach for Robotic Environmental Dynamics
University of California, Riverside（加州大学河滨分校）；University of Macau（澳门大学）
针对动态环境下机器人多任务推理的实时调度难题，提出RED调度方法，利用中间截止时间策略和MIMONet权重共享特性，实现资源受限系统的高效调度。
2023-08-29 cs.AI cs.RO cs.SY
Interleaving Scheduling and Motion Planning with Incremental Learning of Symbolic Space-Time Motion Abstractions
本文提出一种交织调度与运动规划的增量学习框架，用于多物体共享空间的调度与运动规划，通过符号时空运动抽象提升复杂时空约束下的执行效率。
2026-03-19 cs.AI cs.RO
A mathematical model for simultaneous personnel shift planning and unrelated parallel machine scheduling
University of Victoria（维多利亚大学）
本文针对人员数量少于机器数量的不相关并行机调度问题，提出一种混合整数线性规划模型和两步求解方法，通过最大化接受作业数并最小化生产时间，在合成实例和食品加工厂真实案例中验证了模型在人员排班与生产调度中的有效性。
2024-02-24 cs.AI cs.DM
Solving Integrated Process Planning and Scheduling Problem via Graph Neural Network Based Deep Reinforcement Learning
Shanghai University of Finance and Economics（上海财经大学）；Cardinal Operations；Shanghai Jiao Tong University（上海交通大学）
本文提出一种端到端深度强化学习方法，将IPPS建模为MDP并用异构图神经网络捕捉操作、机器与作业关系，结合PPO优化调度策略，在大规模实例中显著提升求解效率与质量。
2024-09-02 cs.AI cs.LG math.OC
