自适应多目标和声搜索算法解决序依赖单机调度问题

"这篇论文研究的是如何利用多目标和声搜索算法解决具有序依赖设置时间的单机调度问题。在机械加工行业中，由于不同工件可能需要不同的模具，导致更换模具的时间（设置时间）取决于加工顺序，这种问题变得复杂且难以优化。论文提出了一种自适应多目标和声搜索算法，结合信息熵概念来评估种群的多样性和拥挤度，以最小化总机器设置时间、总交货延误时间和交货延误率。通过实例计算证明了该算法的有效性和可行性。" 论文研究的是一个在实际工业生产中常见的问题，即具有序依赖设置时间的单机调度问题。在某些制造环境中，加工不同类型的工件需要更换模具，而更换模具的时间不仅与工件类型有关，还依赖于加工顺序，这被称为序依赖设置时间。由于这种时间依赖性，调度问题变得更加复杂，尤其是随着工件批数的增加，调度方案的数量呈指数级增长，使得问题成为NP-hard类别，需要高效的优化算法来解决。 过去的研究主要集中在单目标优化，如使用遗传搜索算法、蚁群优化或启发式算法来解决相关问题。然而，这些方法可能无法全面满足实际生产中的多元需求。因此，该论文引入了多目标优化的视角，提出了一个基于非支配排序的自适应多目标和声搜索算法。和声搜索算法是一种模拟音乐和声原理的全局优化算法，通过在搜索空间中寻找最优解的“和声”来优化问题。 在新提出的算法中，信息熵被用来衡量种群多样性，这有助于保持算法的探索能力和避免早熟收敛。同时，算法还考虑了拥挤度，以平衡解决方案的质量和多样性。通过这种方式，算法能够同时优化多个目标，包括最小化总机器设置时间、总交货延误时间以及降低交货延误率。实证分析显示，这种算法在处理此类调度问题时表现出良好的性能，能够为实际生产提供更合理的调度策略。 这篇论文为解决具有序依赖设置时间的单机调度问题提供了新的思路，其自适应多目标和声搜索算法结合信息熵的概念，为工业生产中的复杂调度优化提供了有效工具。这种方法有望在实际应用中提高生产效率和客户满意度。