.png){kind=icon}
返回
Scheduling a Constrained Hybrid Flowshop Using a Variable Representation Cooperative Co-Evolutionary Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2026.131136.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究针对一个包含工人能力约束的混合流水车间调度问题。与大多数现有研究假设工人能操作所有机器不同，本研究考虑了工人特定技能的缺失。新增的约束显著增加了问题复杂性，使传统算法难以获得可行解。因此，构建了一个混合整数规划模型，并设计了一种变量表示协同共进化算法（VRCCEA）以实现最大完工时间最小化。基于分解思想，采用两个种群处理多耦合问题，并通过引入解档案库实现协同机制以促进种群共进化。鉴于单一编码—解码策略的局限性，提供了变量表示机制以平衡探索规模与搜索效率。为避免工人分配失败，设计了基于资源约束矩阵（RCM）的启发式方法，该方法在可行域内执行贪心搜索。针对问题特定知识，提出了缩减插入邻域和加速评估策略，以快速识别最优邻域解。最终，分析实验表明算法组件的实用价值，并证明VRCCEA显著优于五种先进元启发式算法。
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
The Effect of Worker Learning on Scheduling Jobs in a Hybrid Flow Shop: A Bi-Objective Approach
PREAI
分享收藏The Permutation Flow Shop Scheduling Problem with Human Resources: MILP Models, Decoding Procedures, NEH-Based Heuristics, and an Iterated Greedy Algorithm.png)
Mathematics
OAAI
MathematicsIF0
OAAI分享收藏A Hybrid Evolutionary Algorithm Using Two Solution Representations for Hybrid Flow-Shop Scheduling Problem混合流水车间调度问题的两种解表示的混合进化算法
PREAI
分享收藏Multi-agent deep reinforcement learning for dynamic reconfigurable shop scheduling considering batch processing and worker cooperation考虑批处理和工人合作的动态可重构车间调度多智能体深度强化学习
PREAI
分享收藏Smart Working in Industry 4.0: How digital technologies enhance manufacturing workers' activities工业4.0中的智能工作: 数字技术如何增强制造业工人的活动
PREAI
分享收藏
查看更多内容