डायनेमिक शेड्यूलिंग के लिए सीखने वाले ह्यूरिस्टिक्स पर जेनेटिक प्रोग्रामिंग और रिइन्फोर्समेंट लर्निंग: एक प्रारंभिक तुलना

शेड्यूलिंग ह्यूरिस्टिक्स का उपयोग वास्तविक-विश्व अनुप्रयोगों में डायनेमिक शेड्यूलिंग समस्याओं को हल करने के लिए आमतौर पर किया जाता है। हालांकि, प्रभावी ह्यूरिस्टिक्स डिजाइन करना समय लेने वाला हो सकता है और अक्सर उपयुक्त प्रदर्शन प्राप्त नहीं होता। जेनेटिक प्रोग्रामिंग का उपयोग शेड्यूलिंग ह्यूरिस्टिक्स को स्वचालित रूप से सीखने के लिए व्यापक रूप से किया गया है। हाल के वर्षों में, इस क्षेत्र में रिइन्फोर्समेंट लर्निंग ने भी ध्यान आकर्षित किया है। उनकी ताकत और कमजोरियों को समझना प्रभावी शेड्यूलिंग ह्यूरिस्टिक्स विकसित करने के लिए महत्वपूर्ण है। इस लेख में डायनेमिक फ्लेक्सिबल जॉब शॉप शेड्यूलिंग के लिए एक सामान्य जेनेटिक प्रोग्रामिंग पद्धति और एक सामान्य रिइन्फोर्समेंट लर्निंग पद्धति का अध्ययन किया गया है। परिणाम दिखाते हैं कि जांचे गए जेनेटिक प्रोग्रामिंग एल्गोरिद्म ने अध्ययन किए गए रिइन्फोर्समेंट लर्निंग विधि से बेहतर प्रदर्शन किया है। साथ ही, अध्ययन से पता चलता है कि तुलना की गई रिइन्फोर्समेंट लर्निंग विधि प्रशिक्षण डेटा की मात्रा बदलने पर अधिक स्थिर होती है, और जांचे गए जेनेटिक प्रोग्रामिंग पद्धति अधिक प्रभावी शेड्यूलिंग ह्यूरिस्टिक्स सीख सकती है जब प्रशिक्षण डेटा बढ़ता है। इसके अतिरिक्त, अध्ययन जेनेटिक प्रोग्रामिंग की अच्छी सामान्यीकरण क्षमता और व्याख्याशीलता के कारण वास्तविक-विश्व अनुप्रयोगों में इसकी संभावनाओं और मूल्य को उजागर करता है। परिणामों के आधार पर, यह लेख सुझाव देता है कि जब प्रशिक्षण डेटा सीमित हो और स्थिर परिणाम आवश्यक हों तो जांची गई रिइन्फोर्समेंट लर्निंग विधि का उपयोग करें, और जब प्रशिक्षण डेटा पर्याप्त हो तथा उच्च व्याख्याशीलता आवश्यक हो तो जांची गई जेनेटिक प्रोग्रामिंग पद्धति का उपयोग करें।