A Deep Reinforcement Learning (DRL)-Based Transformer Method for Solving the Open Shop Scheduling Problem

En 3 lignesMéthode Transformer avec apprentissage par renforcement pour résoudre le problème d'ordonnancement en atelier ouvert (OSSP). Le modèle encoder-decoder entraîné sur instances Taillard (4x4 à 10x10) généralise à des instances 40x40-100x100 avec écarts de 12,89-15,12% par rapport à la borne inférieure, surpassant les heuristiques classiques SPT/LPT.

Résumé généré par Claude — vérifié par l'humain