.png){kind=icon}
返回
Transfer Learning-Enabled Multiobjective Optimization for Adjustable Aircraft Assembly Scheduling
.png){kind=icon}
PRE
AI
DOI：10.1109/TII.2025.3641258.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
飞机装配调度（AAS）在存在多种不确定性的情况下日益复杂，因为这些因素显著影响装配过程效率以及资源的最佳分配。现有调度方法在考虑与装配资源相关的、过程中可能变化的实际工人数以及高生产率的前期装配经验等不确定性方面已显示出其局限性。为克服这些局限性，提出了一种工作站调整机制（WAM）以提高工作站的可利用率。WAM完全集成了实际工人配置，以缓解调度中任务转换时的工人短缺问题。开发了一种基于知识迁移的多目标进化算法（KT-MOEA），作为解决多目标AAS问题的系统优化框架。此外，通过实验设计系统地评估了可控变量在多个实例中的影响，这增强了所提出框架的鲁棒性、可解释性和泛化性。该创新方法系统地整合了迁移学习和 nondominated sorting genetic algorithm II 以提升优化性能。定量结果表明，所提出的KT-MOEA显著增强了优化性能，在收敛性（倒世代距离）方面最高提升50%，在解多样性（超体积）方面获得显著提升，并且与基准算法相比，Pareto最优解的质量至少提高了7%。
Keyword:
Aircraft assembly scheduling (AAS)
knowledge transfer-based multiobjective evolutionary algorithms (KT-MOEA)
nondominated sorting genetic algorithm-II (NSGA-II)
workstation adjustment mechanism (WAM)
期刊
IF:
9.9
论文数:
8.6K
被引数:
6.0W
机构
引用论文
.png){kind=icon}
分享收藏Human -machine collaborative optimization method for dynamic worker allocation in aircraft final assembly lines飞机总装线动态工人配置的人机协同优化方法
PREAI
分享收藏
查看更多内容