融合大语言模型与离散事件仿真的生产调度自动化闭环优化方法

《Machine Learning and Knowledge Extraction》：Context-Aware LLM-Guided Neighbourhood Search for Simulation-Based Production Scheduling

　　

摘要

本文提出了一种基于大语言模型的邻域搜索方法，用于生产调度优化，采用离散事件仿真（DES）作为建模与评估引擎。大语言模型（LLM）与DES的结合是一个具有巨大潜力的新兴研究领域。本研究旨在展示大语言模型在生产系统自动化闭环优化中的适用性——以DES环境作为可配置的建模工具和评估引擎，在每次仿真运行结束时提取结果及相关上下文信息，为大语言模型自主搜索改进方案提供反馈与背景依据。该架构以大语言模型Mistral Small 3.2（24B）和西门子Tecnomatix Plant Simulation仿真环境为基础实现。本文提出的方法的结果与该DES环境内置的遗传算法（GA）及模拟退火算法（SA）的结果进行了比较。尽管所提方法在最终解质量和计算成本方面总体不及遗传算法和模拟退火算法，但它在仿真需求方面展现了优势，同时提供了一个高度自适应的优化框架，未来具有显著的改进和更广泛推广的潜力。