Mamba 引入调度机制：用于高效序列建模的灵活车间调度学习
机器学习
2026-05-15 v3
摘要
灵活车间问题（FJSP）是一个已被广泛研究的组合优化问题，在制造业和生产调度中具有广泛应用。它涉及将作业分配给各种机器以优化目标，如最小化总完成时间。当前该领域的基于学习的方法通常依赖局部特征提取模型，限制了其捕捉跨操作和机器的广泛依赖关系的能力。本文引入一种创新架构，利用具有线性计算复杂度的状态空间模型 Mamba 来针对 FJSP 进行综合序列建模。与在 FJSP 上计算密集的图注意力框架不同，我们的模型更高效。具体而言，提出的模型包含一个编码器和一个解码器。编码器采用双 Mamba 块分别提取操作和机器特征。此外，我们引入一个高效的跨注意力解码器来学习操作和机器之间的交互嵌入。我们的实验结果表明，该方法在各种基准测试中实现了更快的求解速度，并优于当前基于学习的 SOTA 方法。
引用
@article{arxiv.2602.21545,
title = {MUON+: Towards More Effective Muon via One Additional Normalization Step for LLM Pre-training},
author = {Ruijie Zhang and Yequan Zhao and Ziyue Liu and Zhengyang Wang and Yupeng Su and Liyan Tan and Zheng Zhang},
journal= {arXiv preprint arXiv:2602.21545},
year = {2026}
}