比较

DispatchAtlas 是一个面向分布式计算环境的调度与优化工具包，围绕一个有引用支撑、经过策展的问题实例目录构建——不仅仅是一个求解器库、一份基准清单或一个网络模拟器。

DispatchAtlas 的独到之处

下方没有任何单一同类项目是差异化要素——真正的差异化在于其组合。DispatchAtlas 将有引用支撑、经过策展的调度与 edge–fog–cloud 优化实例目录，与按能力类型化的求解器注册表、内置的非参数统计比较，以及一个公开检查门户结合在一起；该门户的浏览器内套件构建器可从整个目录组合现成或完全自定义的基准套件，并以 JSON、CSV 或打包形式在无后端的情况下下载。每一部分在别处也都存在，但下方没有任何同类项目将它们全部同时具备。

最接近的挑战者可以诚实地点名。jMetal 提供带非参数统计的实验研究框架，但没有调度实例目录，也没有检查门户。job-shop-lib 和 TU/e 的 Job Shop Scheduling Benchmark 提供丰富的调度实例，但没有逐实例的引用策展、内置统计或门户。WfCommons 提供有轨迹支撑的工作流生成器，但不对优化器评分，也不运行统计。DispatchAtlas 是同时保有全部五项能力的项目。

本页是该定位的规范陈述；其他界面链接到此处，而非重复表述。

DispatchAtlas 与相关平台的比较

这些表格比较平台的能力——每个项目提供什么——而非性能。性能证据来自统计分析导出，绝不来自本页。表格按可比项目分成若干带，贯穿使用相同的五个能力列。每个同类项目链接到其规范引用，完整出处列于页脚。✅ 已提供，⚠️ 相邻或部分，❌ 未提供。

DispatchAtlas 只在第一带出现一次，其 ✅✅✅✅✅ 行在其后的每一带都成立。

调度基准平台与求解器

平台	经过策展的调度实例目录	作为基准实例的 edge–fog–cloud	按能力类型化的求解器注册表	内置统计比较	公开检查门户
DispatchAtlas	✅	✅	✅	✅	✅
job-shop-lib	⚠️	❌	⚠️	❌	❌
Job Shop Scheduling Benchmark	⚠️	❌	❌	❌	❌
PyJobShop	⚠️	❌	❌	❌	❌
schlably	❌	❌	❌	❌	❌
OR-Tools CP-SAT	❌	❌	❌	❌	❌

OR-Tools CP-SAT 是占主导地位的精确调度求解器——DispatchAtlas 不与之竞争。可选的精确适配器将此类求解器封装在 extras 之后，能力矩阵将精确优化记录为一种适配器能力：是封装，而非较量。 job-shop-lib 将经典实例与 RL/GNN 环境一起打包；TU/e 套件为学习与非学习方法统一了 JSP、FJSP 与 online-FJSP 环境；PyJobShop 提供在 9,000+ 文献实例上评估的约束规划建模；schlably 是一个深度强化学习调度实验框架。它们都不策展逐实例的引用来历、不提供统计门槛，也不发布检查门户——⚠️ 标记表示实例在没有经过策展的引用元数据的情况下发布。

通用优化基准测试与元启发式框架

平台	经过策展的调度实例目录	作为基准实例的 edge–fog–cloud	按能力类型化的求解器注册表	内置统计比较	公开检查门户
COCO	❌	❌	❌	✅	⚠️
IOHprofiler	❌	❌	❌	✅	✅
pymoo	❌	❌	⚠️	⚠️	❌
jMetal / jMetalPy	❌	❌	⚠️	✅	❌
Nevergrad	❌	❌	⚠️	⚠️	⚠️
mealpy	❌	❌	⚠️	❌	❌
NiaPy	❌	❌	⚠️	❌	❌

COCO 评估的是不同的问题类别（连续黑箱函数）；其套件家族涵盖单目标、双目标、大规模、混合整数与带约束等变体，并配有公开数据档案。IOHprofiler 评估迭代式启发算法并提供托管的 Web 分析器。 jMetal 与 jMetalPy 之所以被列入，恰恰因为它们不是稻草人：它们提供带非参数统计的实验研究，但没有调度目录或门户。Nevergrad 提供跨数百个优化器的排名图和一个实验与绘图模块，但不提供非参数推断。 pymoo、mealpy 与 NiaPy 提供丰富的算法集合与合成测试函数，而非类型化注册表。

fog 与 edge 模拟器

平台	经过策展的调度实例目录	作为基准实例的 edge–fog–cloud	按能力类型化的求解器注册表	内置统计比较	公开检查门户
iFogSim2	❌	⚠️	❌	❌	❌
EdgeCloudSim	❌	⚠️	❌	❌	❌
LEAF	❌	⚠️	❌	❌	❌
YAFS	❌	⚠️	❌	❌	❌
EdgeSimPy	❌	⚠️	❌	❌	❌

它们将 edge–fog–cloud 网络建模为离散事件模拟（⚠️），而非用于对优化器评分的基准套件。 EdgeCloudSim v5.0 运行在当前的 CloudSim 7.0.0-alpha 内核上并配有新教程。YAFS 是在精神上最接近连续体家族的 Python fog 模拟器，其布置问题正是 DispatchAtlas 重新表述为评分基准实例的对象； EdgeSimPy 是最新的 Python edge 资源管理模拟器。

云与工作流模拟平台

平台	经过策展的调度实例目录	作为基准实例的 edge–fog–cloud	按能力类型化的求解器注册表	内置统计比较	公开检查门户
CloudSim / CloudSim 7G	❌	⚠️	❌	❌	❌
WfCommons	⚠️	⚠️	❌	❌	⚠️
WRENCH	❌	⚠️	❌	❌	❌

它们是模拟器与轨迹/生成器框架，而非优化器基准——与 fog 带相同的诚实定位。WfCommons 的轨迹到生成器到基准的流水线，是本平台轨迹支撑雄心最强的概念类比，也正是 DispatchAtlas 今天最薄弱之处：仅一个经过校准的合成配置，即下方能力矩阵中 ⚠️ 的轨迹支撑行。

Optuna 是补充工具而非同类项目：它是超参数调优器，因此求解器的超参数可用它调优，但它不提供调度实例，也没有来历叙事——这正是“为什么不直接用 Optuna？”有一行答案的原因。引用 Optuna （Akiba et al., KDD 2019）。

如何阅读这些标记：

经过策展的调度实例目录 — 调度与置换问题实例的、带版本且有引用支撑的集合。调度类同类项目提供实例但没有逐实例引用策展；优化框架提供合成测试问题；模拟器不提供优化实例目录。
作为基准实例的 edge–fog–cloud — 以优化实例形式暴露的异构布置与通信问题。模拟器对 edge–fog–cloud 网络建模（⚠️），但作为离散事件模拟，而非受评分的基准套件。
按能力类型化的求解器注册表 — 求解器带有声明的目标、约束与能力元数据。元启发式库提供丰富的算法集合（⚠️），但不是面向调度的类型化注册表。
内置统计比较 — 与工具包一同打包的非参数检验与效应量。COCO、IOHprofiler 与 jMetal 提供专用的统计工具。
公开检查门户 — 可浏览、对公众安全的数据界面。COCO 发布研讨会数据档案（⚠️）；IOHanalyzer 提供托管的 Web 分析器。

DispatchAtlas 不提供什么

这是诚实的反向差距——每一条都点名拥有 DispatchAtlas 所缺之物的同类项目，并映射下方能力矩阵中已有的 ❌ 或 ⚠️ 行。

没有离散事件模拟 — fog 与云模拟器（CloudSim、iFogSim2、EdgeCloudSim、WRENCH）对逐时间步的网络与平台动态建模；DispatchAtlas 则在实例上对优化器评分。
没有动态到达或在线重调度生成器 — TU/e 套件提供 online-FJSP 环境；DispatchAtlas 捆绑的每个生成器都是静态的。
没有学习智能体训练环境 — job-shop-lib 与 schlably 提供 RL/GNN 环境；DispatchAtlas 的学习接口是部分的。
单主机的活动执行 — Nevergrad 执行大规模并行实验批次；DispatchAtlas 在单主机上执行顺序、线程、有界与重放模式。
一个经过校准的合成轨迹配置 — WfCommons 提供在真实工作流档案上经过验证的轨迹派生生成器；DispatchAtlas 捆绑单一的校准合成配置。

出处

COCO — Hansen, Auger, Ros, Mersmann, Tušar, Brockhoff. COCO: a platform for comparing continuous optimizers in a black-box setting. Optimization Methods and Software 36(1), 2021. https://doi.org/10.1080/10556788.2020.1808977
IOHprofiler — de Nobel, Ye, Vermetten, Wang, Doerr, Bäck. IOHexperimenter: Benchmarking Platform for Iterative Optimization Heuristics. Evolutionary Computation 32(3):205–210, 2024. https://doi.org/10.1162/evco_a_00342 · IOHanalyzer — https://doi.org/10.1145/3510426
pymoo — Blank, Deb. pymoo: Multi-Objective Optimization in Python. IEEE Access 8, 2020. https://doi.org/10.1109/ACCESS.2020.2990567
mealpy — Van Thieu, Mirjalili. MEALPY: An open-source library for latest meta-heuristic algorithms in Python. Journal of Systems Architecture 139, 2023. https://doi.org/10.1016/j.sysarc.2023.102871
NiaPy — Vrbančič, Brezočnik, Mlakar, Fister, Fister Jr. NiaPy: Python microframework for building nature-inspired algorithms. Journal of Open Source Software 3(23), 2018. https://doi.org/10.21105/joss.00613
iFogSim2 — Mahmud, Pallewatta, Goudarzi, Buyya. iFogSim2: An extended iFogSim simulator … Journal of Systems and Software 190, 2022. https://doi.org/10.1016/j.jss.2022.111351
EdgeCloudSim — Sonmez, Ozgovde, Ersoy. EdgeCloudSim: An environment for performance evaluation of edge computing systems. Transactions on Emerging Telecommunications Technologies 29(11), 2018. https://doi.org/10.1002/ett.3493
LEAF — Wiesner, Thamsen. LEAF: Simulating Large Energy-Aware Fog Computing Environments. IEEE ICFEC, 2021. https://doi.org/10.1109/ICFEC51620.2021.00012
job-shop-lib — Ariño Fernández. job-shop-lib. arXiv:2506.13781, 2025. https://arxiv.org/abs/2506.13781
Job Shop Scheduling Benchmark — Reijnen, van Straaten, Bukhsh, Zhang. arXiv:2308.12794, 2023. https://arxiv.org/abs/2308.12794
PyJobShop — Lan, Berkhout. PyJobShop. arXiv:2502.13483, 2025. https://arxiv.org/abs/2502.13483
schlably — Waubert de Puiseau et al. schlably. SoftwareX 22:101383, 2023. https://doi.org/10.1016/j.softx.2023.101383
OR-Tools CP-SAT — Perron, Didier, Gay. CP-SAT. CP 2023. https://doi.org/10.4230/LIPIcs.CP.2023.3
jMetal — Durillo, Nebro. jMetal. Advances in Engineering Software 42(10), 2011. https://doi.org/10.1016/j.advengsoft.2011.05.014 · jMetalPy — Benítez-Hidalgo et al. Swarm and Evolutionary Computation 51:100598, 2019. https://doi.org/10.1016/j.swevo.2019.100598
Nevergrad — Rapin, Teytaud. Nevergrad. 2018 (software citation). https://github.com/facebookresearch/nevergrad
YAFS — Lera, Guerrero, Juiz. YAFS. IEEE Access 7, 2019. https://doi.org/10.1109/ACCESS.2019.2927895
EdgeSimPy — Souza et al. EdgeSimPy. Future Generation Computer Systems 148, 2023. https://doi.org/10.1016/j.future.2023.06.013
CloudSim — Calheiros, Ranjan, Beloglazov, De Rose, Buyya. CloudSim. Software: Practice and Experience 41(1), 2011. https://doi.org/10.1002/spe.995 · CloudSim 7G — Andreoli et al. Software: Practice and Experience 55(6), 2025. https://doi.org/10.1002/spe.3413
WfCommons — Coleman et al. WfCommons. Future Generation Computer Systems 128, 2022. https://doi.org/10.1016/j.future.2021.09.043
WRENCH — Casanova et al. WRENCH. Future Generation Computer Systems 112, 2020. https://doi.org/10.1016/j.future.2020.05.030
Optuna — Akiba, Sano, Yanase, Ohta, Koyama. Optuna: A Next-generation Hyperparameter Optimization Framework. KDD 2019. https://doi.org/10.1145/3292500.3330701

DispatchAtlas 立场

维度	DispatchAtlas 立场
领域契约	类型化调度对象、验证、来源与确定性种子是基础。
基准	目录元数据包含特征化、引用状态、证据类别与内容哈希。
求解器	基线、可选的精确适配器、元启发式、调度变体，以及 NDSO 求解器族共享注册表元数据。
可复现活动	活动声明运行 id、预算、停止准则、输出与环境捕获。
分析	统计摘要、效应量、图形与门户包是确定性导出。
网站	文档与门户页面消费静态的对公开安全数据包。

能力矩阵

每个状态都对照已发行包与基准列中所命名的公开门户包进行验证：✅ 今日已支持，⚠️ 部分， ❌ 缺失。

能力	状态	依据
带验证、来源与确定性种子的类型化调度领域契约	✅	`dispatchatlas.core` 的问题、schedule 与哈希契约
带量化特征化指标的基准目录	✅	`benchmark-catalog.json` 记录携带逐-实例特征化
有引用支撑的基准族清单	✅	`benchmark-families.json`——每个族行皆有引用支撑
带已声明能力与引用的具名-求解器注册表	✅	`solver-registry.json` 与 `solver-capabilities.json`
精确优化适配器（可选 extras 加两个原生有界求解器）	✅	`solver-registry.json` 中七个精确条目；第三方后端留在 extras 之后
构造性调度与元启发式基线	✅	`solver-registry.json` 中的调度与元启发式分组
多目标优化（参考点-小生境）	✅	`solver-capabilities.json` 中的 `many_objective` 契约
具名多目标质量指标	✅	`solver-capabilities.json` 中四个被引指标
带服务-级违约与惩罚路径的约束核算	✅	`solver-capabilities.json` 中的 `constraint_support` 契约
鲁棒性聚合（最坏-情形与 CVaR）	✅	`solver-capabilities.json` 中的 `robustness` 契约
来自已声明元数据的求解器推荐	✅	`solver-recommender.json` 的轴与策略
高于仅-元数据的学习-模型推荐置信度	⚠️	监督式选择器已发行，但已发布的包携带仅-元数据置信度
学习与混合接口	⚠️	七个具名接口中两个已实现；五个被登记为延迟
由轨迹支撑的基准剖面	⚠️	一个校准-合成剖面；捆绑的 distribution-distance 状态不含由轨迹支撑的剖面
动态-到达或在线-重调度生成器	❌	分类法声明了该维度；每个捆绑生成器都是静态的
加速的批量-打分内核	❌	批量-打分剖面记录一个标准库内核
多-主机活动执行	❌	执行模式为单主机上的顺序、线程并行、有界与重放
活动检查点、恢复与重放验证	✅	`dispatchatlas.lab` 的仓库、检查点与重放契约
统计-功效运行-计数下限与公平-对比关卡	✅	`dispatchatlas.lab` 中的运行-计数策略与公平-对比不变式
带效应量的非参数统计分析	✅	`dispatchatlas.analytica` 导出；`platform-comparison.json` 中的特征行
可复现的带-哈希下载包	✅	`downloads.json` 为每个包记录一个内容哈希与大小
浏览器内基准套件构建器（现成与自定义套件，客户端导出）	✅	基于 `benchmark-catalog.json` 的 `BenchmarkExplorer`；通过 `lib/download.ts` 导出（JSON、CSV、ZIP）