多智能体超启发式算法在多目标航空发动机叶片制造中的应用

需积分: 9 0 下载量 156 浏览量 更新于2024-07-17 收藏 4.57MB PDF 举报
"Multi-Agent Based Hyper-Heuristics for MultiObjective Flexible Job Shop Scheduling: A Case Study in an Aero-Engine Blade Manufacturing Plant" 本文介绍了一种基于多智能体的超启发式算法在多目标灵活工作车间调度问题(Multi-Objective Flexible Job Shop Scheduling Problem,MO-FJSP)中的应用,特别是在航空发动机叶片制造工厂的案例研究。多目标灵活工作车间调度问题是一个复杂的问题,涉及到多个属性,包括工作机的可用性、加工时间、工作间的冲突以及多个优化目标,如最小化总完成时间、最小化最大完工时间或最小化能耗。 超启发式方法是一种高级的决策机制,它能够自适应地选择和组合低级启发式策略,以解决特定问题。在这个背景下,多智能体系统(Multi-Agent System, MAS)被用作一个有效的框架,允许不同智能体独立地探索解决方案空间,并通过通信和合作来寻找全局最优解。每个智能体可以代表一种或多种启发式策略,它们通过交互学习和适应环境变化来优化调度性能。 在航空发动机叶片制造工厂的案例中,这种多智能体超启发式算法的应用旨在平衡生产效率与资源利用,同时满足严格的交货期和其他生产约束。考虑到航空制造业的高精度要求和复杂工艺流程,解决这类问题具有实际意义。研究中可能采用了模拟和实验分析,以评估所提出算法相对于传统启发式和优化方法的性能。 国家高新技术研究发展计划(863计划)和北京航空航天大学现代设计与先进制造技术复杂产品研究生创新实践基地提供了部分研究支持。该工作的贡献在于提出了一种新的、适用于实际工业环境的解决方案,这有助于提升航空制造业的生产效率和灵活性。 这篇论文深入探讨了多目标优化在复杂制造环境中的应用,特别是在多智能体和超启发式算法的集成方面。这些技术对于处理具有多重约束和目标的现代制造问题具有广泛的应用前景,不仅可以提高生产效率,还能优化能源使用,降低运营成本,最终增强企业的竞争力。