Solving the flexible job-shop scheduling problem based on the hierarchical collaborative evolution multi-objective artificial raindrop algorithm
本文提出了一种分层协同进化多目标人工雨滴算法（HCMOARA），该算法集成了拉丁超立方采样、具有专门搜索策略的分区子种群以及自适应流因子更新机制，以有效地优化柔性作业车间调度问题中的完工时间、能耗和成本。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代制造业的核心领域，速度、成本与环境之间正进行着一场无声的博弈。工厂必须快速生产商品以保持竞争力，但同时也面临着降低能耗和降低单件产品成本的日益增长的压力。这种平衡行为被称为调度。想象一个工作坊，其中需要制造数十种不同的产品，且每种产品都需要在特定机器上执行一系列步骤。在一个简单的工厂中，一个步骤可能只有一台机器可以完成；但在一个灵活的工作坊中，一个步骤可以由几台不同的机器中的任何一台来完成，而每台机器都有各自的速度、能耗和成本。挑战在于决定哪台机器执行哪个步骤，以及执行的顺序如何。如果计划不佳，工厂就会闲置，能源会被浪费，成本也会飙升。如果计划得当，工厂就会像一台运转良好的机器一样，在减少开支的同时更快地完成工作。
几十年来，研究人员一直试图利用模仿自然的计算机算法来解决这个难题，例如鸟群结队或蚂蚁觅食的方式。这些方法擅长寻找不错的解决方案，但当问题变得过于复杂或目标相互冲突时，它们往往会显得力不从心。一个最小化时间的计划可能会消耗过多的电力，而一个节省能源的计划可能会耗时过长。目标是找到一组“最佳可能”的折衷方案，即在不使另一个目标变差的前提下，无法进一步改进其中一个目标。这正是河北工程大学的一个研究团队所应对的核心挑战，他们开发了一种新方法来应对这一复杂的局面。
研究人员专注于一种特定的调度问题，即工厂必须权衡三个相互竞争的目标：尽可能快地完成所有作业、使用最少的总能量，以及将总生产成本控制在最低水平。为了解决这个问题，他们创建了一种名为“分层协同进化人工雨滴算法”的新型计算机算法。其名称源于该算法模拟雨滴落在景观中并流动的行为。在自然界中，雨滴汇集、流入溪流，并最终汇集成河。研究人员利用这个概念来模拟调度问题的潜在解决方案如何随时间移动和改进。然而，原始版本的这种“雨滴”方法存在局限性；它有时会从一组较差的想法开始，并且在寻找新的、广泛的解决方案与精炼现有优秀方案之间难以取得平衡。
为了解决这些问题，团队引入了一个“分层协同进化”系统。他们并没有对每一个潜在解决方案一视同仁，而是根据其优劣程度以及与其他方案的独特程度，将其分为三个不同的组。第一组是“探索者”，由最具独特性和多样性的解决方案组成。这些方案被赋予了一种旨在广阔领域寻找新可能性的策略，以确保搜索过程不会陷入某个狭小区域。第二组是“开发者”，包含了那些非常相似的最强有力方案。这些方案被赋予了另一种侧重于微调和润色的策略，通过深入挖掘最有希望的区域来压榨出每一丝改进空间。第三组是“基础更新团队”，他们保持了原始雨滴算法中稳定、持续的方法，以维持想法的稳定流动。通过让这三组共同进化，该算法既能探索新领地，又能同时完善已发现的最佳想法。
研究人员使用了一套标准的十个困难调度问题（被称为 Brandimarte 基准测试）对这种新方法进行了测试，这些问题涵盖了从小型工作坊到大型复杂工厂的不同规模。他们将新算法与几种流行的模仿自然的方法进行了对比，包括基于粒子群和蜣螂的方法。结果显示，这种新的雨滴方法始终优于其他方法。在完成所有作业所需的时间方面，新方法在十个测试案例中有七个找到了最快的进度表，并在其余三个案例中并列第一。它在大多数场景下也能比其他方法保持更低的能耗和成本。
除了寻找更快的进度表外，该方法还产生了一组更好的权衡选项。在多目标问题中，很少有单一的“完美”答案；相反，存在一系列优秀的选项。研究人员发现，他们的算法生成的解集分布更加均匀，且覆盖了更广泛的可能性范围，这比其他方法更具优势。这意味着工厂管理者可以拥有更丰富的选择菜单，无论他们是想优先考虑速度、节能还是成本。研究还包括了测试以确定新方法中的哪些部分最为重要。当研究人员移除算法开始搜索时的特殊方式，或者移除调整“雨滴”流动的能力时，性能都会下降。这证实了他们新设计的每个部分在最终成功中都发挥了必要的作用。
研究结论指出，这种分层方法为绿色制造提供了一个强大的新工具。通过平衡探索新想法与精炼最佳想法的需求，该算法可以处理现代生产中复杂且相互冲突的需求。虽然目前的测试是在机器永不故障且任务永不延迟的模拟环境中进行的，但结果预示了一条强有力的发展路径。该方法提供了一种创建不仅高效，而且在经济和环境方面都可持续的进度表的方法，有助于工厂在不牺牲速度或利润的情况下，迈向更可持续的未来。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。