【报告内容】

汇报人：何世祺

汇报单位：太原理工大学

主题：《Grammar-Guided Linear Genetic Programming for Dynamic Job Shop Scheduling》

1、Introduction

2、Method

3、Experiment

4、Conclusion

【报告总结】

1.待解决的问题描述

动态作业车间调度是一个典型的动态组合优化问题。与传统的作业车间调度问题不同，DJSS在调度过程中存在各种动态事件，如新到来的作业和机器故障等。线性遗传规划（LGP）最近在DJSS问题上显示了非常令人鼓舞的结果。然而，现有的设计DJSS调度规则的LGP方法存在两个主要的局限性。首先，搜索空间往往太大，无法有效地进行搜索，特别是当LGP的原语集包含大量寄存器时。其次，LGP进化的程序通常很长很复杂，人类不容易理解。

2.相关创新方案

(1)我们设计了一个LGP特定的语法系统，该语法系统将LGP指令视为基本元素，并灵活地定义了LGP指令的不同原语集。

(2)我们提出了三种基于语法规则的语法引导遗传算子来繁殖LGP后代。

(3)我们设计了一套基于LGP的语法规则来解决DJSS问题。所提出的语法规则提高了LGP的训练效率，并在不牺牲测试性能的情况下显著减少了程序大小。 

3.实验总结

本文的主要目标是通过减少程序空间来提高LGP在解决DJSS问题时的有效性、效率和可解释性。我们通过语法引导的LGP方法（即G2LGP）来实现这些目标。我们设计了一个基于LGP的语法系统和一套基于语法的遗传算子，使LGP能够根据语法约束进行进化。此外，我们基于DJSS问题设计了一套语法规则，以验证G2LGP的有效性。结果表明，G2LGP成功地提高了解决DJSS问题的训练效率，并为DJSS问题生成了更易于理解的调度规则。

4.未来工作

期望语法规则的引入使LGP能够考虑更复杂的原语，如“IF”，并在极大的搜索空间中搜索巨大的程序。

报告时间：2025年05月09日19:30

腾讯会议：311-5999-8176

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)