.png){kind=icon}
返回
Multi-objective flexible job shop scheduling based on feature information optimization algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cor.2025.107027.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多目标优化方法在作业车间调度优化策略中的应用日益广泛。然而，在多目标优化策略的设计过程中，优化算法对所有解进行邻域搜索，导致搜索过程耗时较长。在算法选择过程中，个体携带的特征信息常被忽略，导致算法缺乏针对性的指导能力。为解决现有方法的局限性，提出了一种基于特征信息优化算法（FIOA）的多目标柔性作业车间调度方法。首先，采用多群体优化算法框架构建多样性群体；随后，应用代表性个体选择策略挖掘个体子代信息，加速种群收敛。为平衡FIOA的探索能力与计算资源，采用多种邻域搜索规则提高个体子代利用率。本研究采用田口方法对所提算法的参数配置进行了校准。为评估FIOA的有效性与优越性，对FIOA算法的每一项改进进行了评估。此外，通过基准测试与当前先进算法进行对比，结果表明FIOA在解决柔性作业车间调度问题时优于其他算法。
Keyword:
Flexible job shop scheduling problem
Multi-objective optimization
Feature information selection
Evolutionary optimization algorithm
Variable neighborhood search
期刊
C
IF:
4.3
论文数:
6.5K
被引数:
1.8W
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏
分享收藏
查看更多内容