智能体写的调度器压过商业求解器:十万工序车间实例做到525,515,低于OptalCP、Hexaly与CP Optimizer
核心概要
前沿大模型作为编码智能体、只用开源工具,为车间调度问题自行改写建模并写出启发式求解器。在10万工序的tai_100_1000_1上,智能体写出的求解器达到525,515,低于OptalCP、Hexaly和CP Optimizer;同一工作站、同等预算下,它在十个同族实例上距下界0.0–1.8%,而CP Optimizer为2.6–5.8%、Hexaly为2.4–4.4%。在带运输机器人的MKT实例上,它改进了十个中的七个,但在加工时间远长于运输时间的Chambers–Barnes实例上弱于基于CP Optimizer的方法。
深度剖析
一个前沿大模型被当作编码智能体使用,只借助开源工具,就能为大型车间调度实例写出比商业求解器更好的求解器。 商业求解器是这类困难调度问题的标准工具,但需要付费许可;开源求解器在大规模实例上往往偏弱。 在10万工序的tai_100_1000_1上,智能体写出的求解器在16核预算下达到525,515,低于OptalCP、Hexaly和CP Optimizer的已发表值。
智能体没有套用固定算法,而是先分析实例结构,再据此改写建模或设计搜索。 在tai_100_1000_1上,智能体最初从593,321的贪心解出发,四个最小化完工时间的求解器最好只到592,865。 会话第42分钟,智能体改为固定目标完工时间、给每道工序加时间窗的走廊搜索,只处理机器冲突;首个走廊原型约60秒后找到540,999,C版本的一个工作进程在第77分钟左右找到527,000。
智能体写出的求解器不改动就能迁移到同族实例,并给出可复核的新最好已知值。 tai_100_1000_1所属的十个实例在JSPLib中此前全部处于开放状态。 走廊求解器原样跑这十个实例,每个实例都在10分钟内低于原最好已知上界,其中tai_100_1000_2和_3达到下界而闭合;单核30分钟下智能体求解器距下界0.0–1.8%,CP Optimizer为3.7–5.8%,Hexaly为2.7–4.4%。
启示与展望
结论建立在三个已发表的基准问题族上:Da Col与Teppan的车间实例、Behnke–Geiger柔性车间实例,以及Homayouni与Fontes的带运输机器人柔性车间实例;所有排程都由与求解器不共享代码的独立检查器验证,并公开了实例、排程、检查器、求解器源码与日志。作者提出下一步是建立覆盖多个问题类的标准化基准,在固定任务文本、工具、算力和时间预算下比较不同模型族。
只测试了一家提供方的模型,跨模型与问题类的受控比较尚缺;基准实例的生成器可能带来规则结构,工业问题往往更不规则并含额外约束,结论未必适用。智能体没有抬高任何车间或Behnke实例的下界,tai_100_1000_1与behnke16仍然开放;迁移实验预算短、种子少,商业求解器用的是标准模型与默认参数。MKT10是运输求解器的主要开发实例,可能对它有利;Dong等人报告的五个更低MKT值中有三个低于新下界,另两个未公布排程因而无法核查。
