改进MOEA/D算法优化混合流水车间多目标调度

本文主要探讨的是混合流水车间调度的多目标优化问题，这是一个在制造业中常见的复杂问题，尤其是在大规模生产和生产线管理中。混合流水车间通常包含不同类型的工作站和作业流程，如何有效调度以同时满足多个目标是关键。作者谢光、潘玉霞和李俊青针对这一挑战，提出了一个改进的 MOEA/D (Multi-Objective Evolutionary Algorithm/Distribution) 算法。 MOEA/D 是一种并行进化计算方法，它处理多目标优化问题，旨在找到一系列非劣解，这些解在所有目标函数上都达到一定平衡。在这个研究中，他们选择的目标包括最小化最大完工时间（反映了生产效率）、提前惩罚量（避免过早完成导致的闲置）和滞后惩罚量（减少延误带来的成本）。通过基于排列的编码策略，他们设计了两种局部搜索策略，以增强算法在局部最优区域的搜索能力，从而提高整体求解性能。 为了更好地探索全局解空间，作者还设计了一种全局搜索交叉算子，这有助于算法跨越可能存在的局部最优区域，发现更全局的解决方案。此外，他们引入了一种种群更新策略，旨在提升解的分布均匀性，确保算法能够在整个解集中均匀地覆盖所有可能的目标权衡点。 实验部分，作者使用了炼钢连铸的实际生产数据，生成了20个算例，对所提出的算法与最新的两种多目标优化算法进行了对比分析。结果表明，改进的 MOEA/D 算法在处理混合流水车间调度问题时，不仅在性能上表现出色，而且在兼顾多个目标方面具有显著优势，证明了其在实际生产环境中的实用性和有效性。 总结来说，这篇论文深入研究了混合流水车间调度的多目标优化问题，并通过创新的算法设计，展示了在解决这类复杂问题时的有效策略。这对于制造业的生产计划和优化具有重要的理论和实践价值。