この論文では、ワークショップスケジューリング問題（JSSP）へのオフライン強化学習アプローチであるOffline Learned Dispatching（Offline-LD）を提案します。既存のオンライン強化学習方式のLimitationsであるサンプルの非効率性、既存の技法の活用不可能、複雑な環境でのシミュレーション困難を解決するため、既存のスケジューリングデータを活用して学習するオフライン方式を採用しました。 Maskable Quantile Regression DQN(mQRDQN)と discrete maskable Soft Actor-Critic(d-mSAC)のマスク可能なバリエーションを使用し、Conservative Q-Learning(CQL)と新しいエントロピーボーナス修正、補償正規化手法を導入しました.実験の結果、Offline-LDは限られた専門家ソリューション（CPで生成された100個のソリューション）だけでもオンライン強化学習を凌駕する性能を示し、ノイズが追加されたデータセットでも優れた性能を示し、実際の環境適用可能性を高めました。
