柔性流程工业的并行多目标遗传算法：性能提升与实际应用

该篇论文深入探讨了"用于柔性流程工业生产调度的并行多目标遗传算法"的主题，发表于2001年6月的《系统工程理论与实践》第6期，作者为李艳君和吴铁军，他们来自浙江大学智能系统与决策研究所，地址位于浙江杭州。柔性流程工业相较于传统制造系统，在生产调度方面具有独特的挑战，如多目标性（需同时考虑多个目标，如成本、效率和产品质量）、混合动力学特性和高实时性要求。 论文的核心创新在于提出了一种全新的并行多目标遗传算法。这种算法旨在解决柔性流程工业中复杂的生产调度问题，它强调在处理多目标优化问题时，通过目标分级评价技术，不仅追求解的全局最优，还充分考虑决策者的偏好，使得决策过程更具人性化。为了反映问题的混合特性，作者设计了一种双层编码方案，这有助于更有效地表示和处理问题的复杂性。 算法的关键技术之一是采用递阶分解并行技术，这显著降低了计算时间，提高了算法的效率。通过这种方法，计算资源被有效地分配到各个子任务上，从而实现并行计算，理论上至少减少了计算时间的一个数量级。这意味着对于大规模的柔性流程工业生产调度优化，本文的方法有显著的时间优势。 计算机仿真实验的结果强有力地证实了这一新型算法的实际应用价值。结果显示，对于这类高度复杂的问题，该并行多目标遗传算法能够提供高效且满意的解决方案，具有广阔的实际应用前景，特别是在提高生产效率、降低成本和满足多样化需求方面。 论文的关键词包括：多目标优化、遗传算法、过程调度和并行计算，这些都是论文研究的核心内容，展示了作者在这些领域的深入理解和专业知识。这篇论文不仅为柔性流程工业的生产调度提供了新的优化工具，也为多目标优化问题的解决策略开辟了新的途径。