摘要
摘要
排序与调度广泛存在于制造、物流和医疗等系统中,其决策质量直接影响资源利用、
完工效率、交付准时性以及系统运行稳定性。然而,在实际运行过程中,时间参数往往具
有明显不确定性,且真实分布通常难以准确获得,决策者往往只能掌握有限历史样本或部
分统计信息。在这种情形下,若仍基于确定模型进行优化,所得方案容易对训练数据过度
敏感,导致模型缺乏泛化能力,样本外表现欠佳。如何在有限样本条件下有效利用已有数
据,并在兼顾性能指标的同
摘要
摘要
排序与调度广泛存在于制造、物流和医疗等系统中,其决策质量直接影响资源利用、
完工效率、交付准时性以及系统运行稳定性。然而,在实际运行过程中,时间参数往往具
有明显不确定性,且真实分布通常难以准确获得,决策者往往只能掌握有限历史样本或部
分统计信息。在这种情形下,若仍基于确定模型进行优化,所得方案容易对训练数据过度
敏感,导致模型缺乏泛化能力,样本外表现欠佳。如何在有限样本条件下有效利用已有数
据,并在兼顾性能指标的同
文档评论(0)