贝叶斯动态调度应对不完全前视信息

研究提出一种面向不完全前视信息的多用途批处理贝叶斯动态调度方法：从扰动概率分布中学习贝叶斯网络，量化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，该方法在长期成本与系统波动两项指标上统计性优于固定间隔从头生成新调度表的周期性重调度策略。作者还证明，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，便于推广至作业车间调度等场景。上述结果与推广条件均出自该论文。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。