IL辅助调度算法

双目标近优

多群体进化框架融合模仿学习算子选择，同时优化完工时间与总能耗。

Weiyao, Cheng · 孟磊磊 · 张彪 · Gao, Kaizhou · 桑红燕

IEEE Transactions on Evolutionary Computation 2025

技术优势

小规模可证最优

所建MILP模型可使用epsilon方法求得小规模实例的最优Pareto解集，为近似算法提供基准。

同时优化两个目标

同时最小化最大完工时间和总能耗，避免单目标优化忽视生产效率和能源成本之间的权衡。

针对耦合子问题

所提方法与模型同时考虑工序排序、机器选择和AGV选择三个相互影响的子问题，更贴近实际生产。

应用场景

• 柔性作业车间：制造企业可直接部署算法以获得兼顾效率与能耗的调度方案。
• AGV调度：在调度模型中集成AGV运输约束，避免AGV成为瓶颈导致完工时间延迟。
• 群体智能优化：多群体进化框架与模仿学习算子选择为复杂组合优化问题提供高效搜索机制。
• 制造能源管理：将能耗作为显式优化目标，帮助企业在排产阶段减少碳排放和用电成本。