学习驱动的分布式异构混合流水车间批量流能效调度优化
邵炜世1
皮德常2
邵仲世3
1.南京航空航天大学计算机科学与技术学院,江苏南京 211106;南京师范大学计算机与电子信息学院/人工智能学院,江苏南京 210023;江苏省信息安全保密工程中心,江苏南京 2100232.南京航空航天大学计算机科学与技术学院,江苏南京 2111063.陕西师范大学计算机科学学院,陕西西安 710119
摘要：本文研究了分布式异构混合流水车间批量流能效调度问题,其中每个工厂的加工效率不同,工件可以分割成若干子批进入加工系统.以最大完成时间和总能耗为优化目标,建立了混合整数规划模型.本文提出了一种学习驱动的多目标进化算法,包括学习驱动的全局搜索和局部搜索.引入Q学习作为学习引擎,以种群和非支配解集的评价作为环境反馈信号,通过不断的学习来动态指导搜索操作的选择;基于问题特征,设计了算法的状态集、动作集和奖励机制.Q学习的引入能够及时感知当前搜索的状态,减少搜索操作的盲目性,提高搜索的效率.通过对仿真数据集的测试,表明所提出算法能够有效地求解分布式异构混合流水车间批量流能效调度问题.
关键词：分布式异构混合流水车间批量流调度学习驱动的多目标进化算法整数规划能效优化
论文发表日期：2024-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 1018-1028 )
英文信息