论文阅读:A visualized human-computer interactive approach to job shop scheduling

A visualized human-computer interactive approach to job shop scheduling

作者:Dong H. Baek、Sang Y. OH、Wan C. Yoon

期刊:COMPUTER INTEGRATED MANUFACTURING、1999

网络资源:A visualized human-computer interactive approach to job shop scheduling

内容简介

在这项研究中,我们提出了一种人机交互调度方法,其中图形交互调度系统服务于人。调度系统为人们提供了一个甘特图,其中包含静态作业车间环境下的许多辅助特征。我们将人类在图形交互调度系统中的表现与常用调度规则的表现进行了比较。结果表明,在多目标情况下,人工调度优于调度规则。

接下来,在实验中观察了计算机辅助人工调度员在调度任务中的优化行为。该实验研究了提供计算机生成的初始解决方案与人类调度员自己生成的初始解决方案的效果。结果表明,在复杂问题中,当使用由他们自己生成的初始解决方案时,表现要好得多。这意味着与人类解决问题策略不一致的计算机辅助可能不如通常预期的那样有效。

总体结果表明,使用图形界面的人机交互调度是有效且有前景的,前提是图形信息经过精心设计以匹配人类策略。

内容摘录

  • When humans handle the operation blocks, the scheduling system helps them undertake the task conveniently. First, the system automatically blocks illegal machine assignment.
  • After the human moves the operation blocks ( or schedules all jobs) on the upper part of the screen into the Gantt chart area, they are allowed to try to get a better solution by moving or swapping the operation blocks.
  • Two interaction modes

阅读心得总结

  • 这篇论文介绍了一种图形交互系统,允许决策者在与算法进行交互的时候观察当前结果的一些指标以及调度甘特图,Human可以调整某一道或某几道工序的位置,算法会根据Human的操作自动调整不合法的机器分配,并继续优化。
  • 对于2015年之前的文章在参考引用时应考虑:
    1. 该研究是否为初次提出?如果不是需要找到之前更前的研究。
    2. 该研究是否还有后续研究?英文论文的作者中最后一位一般为通讯作者,即导师级别的作者,一般不会改变研究方向,可以查阅该作者的后续研究。
相关推荐
chnyi6_ya13 小时前
论文阅读笔记 | The Script is All You Need: 对话到电影级视频生成的 Agentic 框架
论文阅读·笔记
iiiiii1114 小时前
【论文阅读笔记】Reparameterization Proximal Policy Optimization (RPO):将PPO的稳定性引入可微分强化学习
论文阅读·人工智能·笔记·深度学习·机器学习·机器人·具身智能
实验如有神祝女士1 天前
不同参数规模大模型在医学翻译场景的适配差异
论文阅读·人工智能·深度学习·学习·算法·语言模型·论文笔记
IT阿瑞2 天前
学术论文 PDF 翻译:双栏、公式、图注的三个处理难点
论文阅读·人工智能·ai
chnyi6_ya2 天前
论文阅读笔记 | One Sentence, One Drama: 基于多智能体系统的个性化短剧生成
论文阅读·笔记
小马哥crazymxm2 天前
Arxiv论文周选 (2026-W28)
论文阅读·人工智能·科技
m4Rk_3 天前
【论文阅读】Agent 记忆机制(20):RecMem——只在信息反复出现时进行长期记忆巩固
论文阅读·人工智能·学习·开源·github
m4Rk_3 天前
【论文阅读】Agent 记忆机制(22):FluxMem——根据对话结构动态选择记忆组织方式
论文阅读·人工智能·学习
万里鹏程转瞬至4 天前
论文简读:Boogu-Image 图像生成与编辑模型
论文阅读·深度学习·aigc
Rocky Ding*6 天前
一文读懂Kimi k1.5大模型核心基础知识
论文阅读·人工智能·深度学习·机器学习·aigc·ai-native·kimi k1.5