Resumen: Los problemas de optimización combinatoria, como el problema de programación del taller (JSP) y el problema de la mochila (KP), son desafíos fundamentales en la investigación de operaciones, la logística y la planificación de recursos empresariales (ERP). Estos problemas a menudo requieren algoritmos sofisticados para lograr soluciones casi óptimas dentro de limitaciones de tiempo prácticas. Los avances recientes en el aprendizaje profundo han introducido arquitecturas basadas en transformadores como alternativas prometedoras a las heurísticas y metaheurísticas tradicionales. Aprovechamos la arquitectura Multi-Type Transformer (MTT) para abordar estos puntos de referencia en un marco unificado. Presentamos una evaluación experimental extensa en conjuntos de datos de referencia estándar para JSP y KP, lo que demuestra que MTT logra un rendimiento competitivo en diferentes tamaños de estos problemas de referencia. Mostramos el potencial de la atención multitipo en una aplicación real en la industria del Ferro-Titanio. Hasta donde sabemos, somos los primeros en aplicar transformadores multitipo en la fabricación real.
Publicado originalmente en export.arxiv.org el 28 de enero de 2026.
Ver fuente original
