Buchumschlag

Solving the Paint Shop Problem with Flexible Management of Multi-Lane Buffers Using Reinforcement Learning and Action Masking

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Stappert, Mirko, Lutz, Bernhard, Brammer, Janis, Neumann, Dirk
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Integrating Human Knowledge Through Action Masking in Reinforcement Learning for Operations Research
von: Stappert, Mirko, et al.
Veröffentlicht: (2025)

Neural Combinatorial Optimization for Stochastic Flexible Job Shop Scheduling Problems
von: Smit, Igor G., et al.
Veröffentlicht: (2024)

Solving Parameter-Robust Avoid Problems with Unknown Feasibility using Reinforcement Learning
von: So, Oswin, et al.
Veröffentlicht: (2026)

Classical and Quantum Heuristics for the Binary Paint Shop Problem
von: Vijendran, V, et al.
Veröffentlicht: (2025)

Learning-Guided Rolling Horizon Optimization for Long-Horizon Flexible Job-Shop Scheduling
von: Li, Sirui, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Solving the Fleet Size and Mix Vehicle Routing Problem
von: Wan, Pengfu, et al.
Veröffentlicht: (2025)

Specifying and Solving Robust Empirical Risk Minimization Problems Using CVXPY
von: Luxenberg, Eric, et al.
Veröffentlicht: (2023)

Learning to Solve Optimization Problems Constrained with Partial Differential Equations
von: Guven, Yusuf, et al.
Veröffentlicht: (2025)

Learning to Solve Constrained Bilevel Control Co-Design Problems
von: Kotary, James, et al.
Veröffentlicht: (2025)

Using Reinforcement Learning for the Three-Dimensional Loading Capacitated Vehicle Routing Problem
von: Schoepf, Stefan, et al.
Veröffentlicht: (2023)

Deep Reinforcement Learning for Flexible Job Shop Scheduling with Random Job Arrivals
von: Tang, Yu, et al.
Veröffentlicht: (2026)

LMask: Learn to Solve Constrained Routing Problems with Lazy Masking
von: Li, Tianyou, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Multi-Truck Vehicle Routing Problems
von: Levin, Joshua, et al.
Veröffentlicht: (2022)

Action Gaps and Advantages in Continuous-Time Distributional Reinforcement Learning
von: Wiltzer, Harley, et al.
Veröffentlicht: (2024)

Solving Boltzmann Optimization Problems with Deep Learning
von: Knoll, Fiona, et al.
Veröffentlicht: (2024)

Solving Minimum-Cost Reach Avoid using Reinforcement Learning
von: So, Oswin, et al.
Veröffentlicht: (2024)

Hybrid Reinforcement Learning Framework for Mixed-Variable Problems
von: Zhai, Haoyan, et al.
Veröffentlicht: (2024)

Solving Integrated Process Planning and Scheduling Problem via Graph Neural Network Based Deep Reinforcement Learning
von: Li, Hongpei, et al.
Veröffentlicht: (2024)

Structure-Informed Deep Reinforcement Learning for Inventory Management
von: Maggiar, Alvaro, et al.
Veröffentlicht: (2025)

Functionally Constrained Algorithm Solves Convex Simple Bilevel Problems
von: Zhang, Huaqing, et al.
Veröffentlicht: (2024)

Optimality-Informed Neural Networks for Solving Parametric Optimization Problems
von: Hoffmann, Matthias K., et al.
Veröffentlicht: (2025)

Reinforcement Learning Approaches for the Orienteering Problem with Stochastic and Dynamic Release Dates
von: Li, Yuanyuan, et al.
Veröffentlicht: (2022)

CORL: Reinforcement Learning of MILP Policies Solved via Branch and Bound
von: Anand, Akhil S, et al.
Veröffentlicht: (2025)

FERERO: A Flexible Framework for Preference-Guided Multi-Objective Learning
von: Chen, Lisha, et al.
Veröffentlicht: (2024)

Tiny Recursive Models for Solving the J2-Perturbed Lambert Problem
von: Wijayatunga, Minduli, et al.
Veröffentlicht: (2026)

PyJobShop: Solving scheduling problems with constraint programming in Python
von: Lan, Leon, et al.
Veröffentlicht: (2025)

Reinforcement Learning for a Discrete-Time Linear-Quadratic Control Problem with an Application
von: Li, Lucky
Veröffentlicht: (2024)

Deep Reinforcement Learning for Infinite Horizon Mean Field Problems in Continuous Spaces
von: Angiuli, Andrea, et al.
Veröffentlicht: (2023)

Solving The Dynamic Volatility Fitting Problem: A Deep Reinforcement Learning Approach
von: Gnabeyeu, Emmanuel, et al.
Veröffentlicht: (2024)

Optimism as Risk-Seeking in Multi-Agent Reinforcement Learning
von: Zhang, Runyu, et al.
Veröffentlicht: (2025)

A Computational Method for Solving the Stochastic Joint Replenishment Problem in High Dimensions
von: Ata, Barış, et al.
Veröffentlicht: (2025)

Action Dependency Graphs for Globally Optimal Coordinated Reinforcement Learning
von: Ding, Jianglin, et al.
Veröffentlicht: (2025)

Adversarial Reinforcement Learning: A Duality-Based Approach To Solving Optimal Control Problems
von: Chen, Nan, et al.
Veröffentlicht: (2025)

Mitigating Dimensionality in 2D Rectangle Packing Problem under Reinforcement Learning Schema
von: Kołodziejczyk, Waldemar, et al.
Veröffentlicht: (2024)

Hierarchical Deep Reinforcement Learning Framework for Multi-Year Asset Management Under Budget Constraints
von: Fard, Amir, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Intensity Control: An Application to Choice-Based Network Revenue Management
von: Meng, Huiling, et al.
Veröffentlicht: (2024)

Towards Fast Rates for Federated and Multi-Task Reinforcement Learning
von: Zhu, Feng, et al.
Veröffentlicht: (2024)

Integrated Offline and Online Learning to Solve a Large Class of Scheduling Problems
von: Liu, Anbang, et al.
Veröffentlicht: (2025)

Online Reinforcement Learning in Markov Decision Process Using Linear Programming
von: Leon, Vincent, et al.
Veröffentlicht: (2023)

Multi-Agent Reinforcement Learning for Joint Police Patrol and Dispatch
von: Repasky, Matthew, et al.
Veröffentlicht: (2024)