论文
Agentic生产调度建模：约束编程的实验评测
Agentic AI-Assisted Modeling for Production Scheduling: Assessment in Constraint Programming
摘要
开发生产调度优化模型需要大量的专家努力。大语言模型（LLM）的研究遵循两个方向：自动化建模的专门方法，主要用于混合整数线性规划，通常依赖于专门的训练或特定问题的架构，限制了工业部署； Agentic 用于运营决策支持的人工智能，通常假设优化模型已经存在。这项研究通过评估作为没有特定任务训练的Agent的通用LLM是否可以从自然语言问题描述中制定和实现约束编程模型，从而弥合了两个方向。单Agent和多Agent架构与模型上下文协议服务器集成，该服务器提供求解器文档的上下文感知检索，以减轻实施过程中的幻觉。两者都与直接 LLM 基线进行比较，涉及六个面向行业的问题，包括流水车间、作业车间、灵活作业车间和资源受限的仓库调度，使用三个 LLM 并评估建模准确性、执行成功、延迟和Token消耗。事实证明，目前的LLM在很大程度上可以制定公式，但实施是主要障碍。多Agent工作流程将直接 LLM 调用生成的正确运行脚本的比例从 14.8% 提高到 59.3%，在四个不太复杂的问题上达到 80.6%，而紧密耦合的内部物流模型仍然是一个开放的挑战。
