区间柔性作业车间调度的多目标进化算法研究

"这篇论文是关于解决不确定多目标柔性作业车间调度问题的，采用了一种多目标进化优化算法。文章作者是王春、王艳和纪志成，发表在《控制与决策》2019年第5期。研究中，工序的加工时间用区间数来表示，目标是最小化区间最大完工时间和区间机器总负荷。算法运用混合策略生成初始种群，利用贪婪插入法解码染色体，并基于可能度判断个体优势，通过归一化和拥挤距离来体现优化解的分布。实验结果证明了该算法的有效性。关键词包括多目标调度、柔性作业车间、区间加工时间、贪婪插入法和可能度。" 详细内容： 这篇学术论文探讨了在存在不确定性的多目标柔性作业车间调度问题。在传统的作业调度中，工序的加工时间通常是确定的，但在实际生产环境中，这些时间往往具有不确定性。因此，作者将工序加工时间用区间数来表达，这能够更好地反映实际情况中的波动性和不确定性。 为了处理这一问题，他们建立了一个多目标区间柔性作业车间调度模型，其中有两个主要的优化目标：一是最小化所有任务的区间最大完工时间，以确保任务能在预期时间内完成；二是最小化区间内的机器总负荷，以提高设备利用率和降低能源消耗。这两个目标在实际调度中常常是相互冲突的，因此需要一个有效的多目标优化方法来平衡这两者。 论文提出了一种多目标进化优化算法来求解这个模型。算法的核心是采用混合策略生成初始种群，即随机生成的可能解集合，这些解代表了可能的调度方案。接着，利用贪婪插入法对种群中的每个染色体（即解）进行解码，这是一种贪心策略，每次选择最优的插入位置来构建或优化调度序列。 为了评估每个解的性能，论文引入了基于可能度的占优关系。可能度是一种衡量个体在多目标环境下优势的方法，它考虑了解的非支配程度和分布均匀性。同时，通过将区间目标归一化结合拥挤距离，算法能够更好地反映出优化解在整个解空间的分布情况，从而有利于找到更广泛的帕累托前沿。 实验部分展示了该算法在处理实际调度问题时的有效性和效率，证明了所提算法能够在不确定的多目标环境中找到满意的调度策略。实验结果不仅验证了算法的性能，也为其他类似问题的解决提供了参考。 这篇论文提出的多目标进化算法为处理带有区间加工时间的柔性作业车间调度问题提供了一个有力的工具，对于优化生产计划和提高生产效率有重要的理论和实践意义。