BOLT 框架通过下界引导学习优化带运输耦合的柔性作业车间调度

一句话结论

BOLT 利用多瓶颈下界作为奖励信号，在 80 模块生产批次中将平均完工时间比最优启发式规则降低 13.0%。

关键要点

• BOLT 构建基于链式、机器容量和车队容量的松弛下界，其逐步变化形成奖励，确保不会超过可达完工时间。
• 在 10 模块预制构件实例中，当满载移动占车队时间至少 66% 时，显式运输耦合策略优于运输惩罚策略。
• 在 50 和 80 模块零样本批次中，BOLT 在四次中优于最佳调度规则对，在三次长移动场景中优于惩罚策略。
• 在 80 模块三车辆批次中，BOLT 平均完工时间比小时预算约束规划求解器低 4.2%，该求解器平均证明间隙为 34%。
• BOLT 在单个处理器核心上每个事件耗时 2.3 至 5.9 毫秒，可在数秒内重新规划中断。

背景与事实

2026 年 10 月 15 日，计算机科学机器学习领域提交了名为 BOLT（Bound-Oriented Learning for Transport-Coupled Scheduling）的论文，该研究针对柔性作业车间调度中的资源耦合问题。当稀缺的车辆车队在工位之间移动任务时，调度决定会设定运输等待时间，从而形成资源耦合。BOLT 通过链式、机器容量和车队容量松弛构建下界，该下界在终止时等于完工时间，因此其每一步的变化形成奖励，总和等于常数减去完工时间。由于下界从不超过可达完工时间，每个候选方案的下界增加被证明是完工时间下限的上升，策略将此读取为价格。根本下界可以认证完成调度的次优性间隙，无需求解器。

在工业驱动的 10 模块预制建筑实例中，研究测试了显式运输耦合与运输惩罚策略。结果显示，在满载移动占车队时间至少 66% 的所有测试单元格中，显式运输耦合均优于运输惩罚策略；而在占率不超过 56% 的场景中均不占优。在五个零样本的 50 模块和 80 模块生产批次测试中，BOLT 在四次测试中优于最佳调度规则对，在三次包含长移动的测试中优于惩罚策略。

具体到三车辆的 80 模块批次，BOLT 的平均完工时间比最佳调度规则对低 13.0%，比小时预算约束规划求解器低 4.2%。该约束规划求解器的平均证明间隙为 34%。性能方面，BOLT 在单个处理器核心上每个事件决策耗时 2.3 至 5.9 毫秒，能够在数秒内重新规划中断情况。

影响分析

对于中文制造和建筑行业的开发者，BOLT 提供了一种无需传统求解器即可实时评估调度方案质量的工具。其下界引导的奖励机制允许策略学习器在训练中直接感知完工时间的下限变化，从而加速收敛。对于预制构件生产场景，当运输等待时间占比超过 66% 时，采用显式运输耦合而非简单惩罚项能显著提升调度质量。BOLT 毫秒级的决策速度使其适用于生产中断后的快速重规划，这对需要高响应能力的制造执行系统具有实际价值。分析判断表明，该框架特别适合运输资源紧张、移动时间占比高的离散制造场景，但可能对短移动或纯加工密集场景收益有限。

适用边界

当满载移动占车队时间不超过 56% 时，BOLT 的显式运输耦合策略不优于运输惩罚策略。此外，该框架假设车辆车队为稀缺资源且任务在工位间移动，对于单工位或纯加工无运输耦合的场景不适用。零样本测试基于 50 和 80 模块批次，更大规模或不同拓扑结构的生产线可能需重新验证性能。

孤本观察

编辑判断认为，BOLT 将下界变化直接作为奖励的设计规避了传统强化学习中奖励信号与实际目标脱节的问题，是调度学习领域的稳健创新。其 4.2% 优于约束规划求解器的结果暗示，在运输耦合密集场景中，基于下界的神经策略可能逼近甚至超越精确方法的实际表现。

来源：arXiv cs.LG