大規模生産スケジューリング：統一された同質グラフによる線形計算量

arXiv cs.LG / 2026/4/28

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、ジョブショップスケジューリングに対して、先行RLモデルで問題になりがちな不均質なアーキテクチャのオーバーヘッドや二次的なグラフ複雑性によるスケーラビリティ課題を避ける統一型のグラフ枠組みを提案しています。
ノードの役割を特徴ベースで共通の潜在空間に投影することで、標準的な同質グラフ同型ネットワーク（GIN）が資源競合を線形複雑性で表現できるようにし、低遅延の推論を可能にするとしています。
実験では、最高水準のスケジューリング性能に加えて、さまざまなインスタンス設定に対する一貫したゼロショット汎化が報告されています。
著者らは、政策の有効性を主に左右するのは問題の絶対規模ではなく「ジョブ対マシン比」であることを示し、臨界的な混雑（J≈M）で学習するとスケールに不変な競合解決戦略が得られるという「構造飽和」仮説を提案しています。
この飽和点で学習する手法により、スケールごとの高コストな再学習の必要性を減らし、統計的な近道への過適合を抑えつつ、動的な製造環境での堅牢な導入を支えると主張しています。