动态柔性作业车间调度优化

面向工业5.0动态制造场景，提出一种基于多任务进化优化与遗传编程的调度算法，能并行优化多个目标并自适应调整知识迁移比例，提升调度效率与适应性。

Chen, Xiaolong · 李俊青 · Zunxun, Wang · Chen, Qingda · Gao, Kaizhou · 潘全科

IEEE Transactions on Evolutionary Computation 2025

技术优势

两个目标一起优化

进化多任务优化框架能并行处理最大完工时间和总拖期两个目标，无需分别运行多个算法。

知识迁移比例动态调整

提出的动态迁移比例能在迭代过程中自适应，平衡收敛速度与种群多样性。

比强化学习还快

对比经典构造式启发式和强化学习算法，本方法能获得更好的调度效率与适应性。

应用场景

• 柔性作业车间调度：利用进化多任务与遗传编程处理动态事件，取代人工重调度。
• 智能生产调度：生成式超启发式应对车间不确定性，实现数据驱动的智能调度。
• 动态制造环境调度：动态迁移比例适应环境变化，保持算法在持续扰动下的性能。