研究提出贝叶斯动态调度方法

Taicheng Zheng 等作者提出一种面向不完整前瞻信息的多用途批处理过程贝叶斯动态调度方法：从扰动概率分布中学习贝叶斯网络，刻画各工序受扰动影响的概率，并在在线执行中随新扰动更新后验分布以指导重调度。 在四个基准问题上，该方法相比固定间隔重新生成调度的周期性重调度策略，取得统计上更优的长期成本与系统扰动水平。理论分析证明，当扰动相互独立时，影响量化变量天然满足贝叶斯网络所需的独立性假设，方法可扩展至作业车间调度与连续过程等场景。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。