离散Jaya算法解决带有新作业插入的柔性作业车间调度问题

"这篇研究论文探讨了带有新作业插入的柔性作业车间调度问题，并提出了一种离散Jaya算法来解决这一问题。论文作者包括Kaizhou Gao、Ali Sadollah、Yicheng Zhang、Rong Su以及来自山东聊城大学的Kaizhou Gao和Junqing Li。他们分别在南洋理工大学和聊城大学的电气与电子工程学院及计算机学院工作。" 正文: 在工业生产环境中，作业车间调度问题（Flexible Job Shop Scheduling Problem, FJSP）是一个经典的优化问题，涉及如何有效地分配不同的任务到多个机器上，以最小化总体成本或最大化效率。当面临新作业插入的情况时，问题变得更加复杂，因为它需要考虑已有的初始调度和新作业的适应性。在这种情况下，FJSP被分为两个阶段：初始化调度和新作业插入后的重新调度。 初始化调度是标准的FJSP问题，目标是找到一个最优的作业顺序，使得每个机器的工作负载最小。然而，当有新作业插入时，机器的启动时间和作业的开始时间可能会发生变化，这使得问题转化为一个具有不同初始条件的FJSP。 Jaya算法是一种新兴的全局优化算法，灵感来源于自然选择过程中的“最佳”和“最差”个体概念。在本文中，研究人员将Jaya算法应用于带有新作业插入的FJSP，并提出了它的离散版本——Discrete Jaya Algorithm，以处理作业和机器之间的离散决策变量。 离散Jaya算法的核心在于它通过更新解的坐标，模拟群体中的个体在搜索空间中的移动，寻找最优解。在新作业插入的FJSP中，算法需要考虑到新作业对已有调度的影响，同时调整机器的工作负载，以达到整体的平衡。 为了验证离散Jaya算法的有效性，研究人员进行了广泛的计算实验，选取了8个来自再制造企业的实际案例。这些实验将离散Jaya算法与几种现有的启发式方法进行了比较，评估其性能和解决方案的质量。实验结果表明，离散Jaya算法在解决此类复杂优化问题时表现出了良好的竞争力和鲁棒性。 这篇研究论文为解决带有新作业插入的FJSP提供了一个新的视角，即利用离散Jaya算法进行优化。这种方法不仅能够应对生产环境中的动态变化，还能够有效地降低机器的工作负载，提高车间调度的效率。未来的研究可以进一步探索离散Jaya算法在其他类型的调度问题或更复杂环境中的应用潜力。