进化算法与Q学习融合
针对运输资源受限的动态柔性作业车间调度问题，提出一种基于Q学习的NSGA-II算法，通过反馈历史搜索经验自适应选择邻域结构进行局部搜索，并设计混合初始化策略提升优化性能。
Rensheng, Chen · 吴斌 · 王华 · Tong, Huagang · Yan, Feiyi
Swarm and Evolutionary Computation 2024
考虑工件取消、机器故障和AGV故障三种典型扰动，并采用事件驱动重调度策略，使方案能适应实际生产变化。
通过Q学习从历史搜索反馈中学习，自适应选择合适的邻域结构进行局部搜索，避免人工固定规则的低效。
针对问题特点设计的混合初始化策略，可产生更高质量的初始种群，加速算法收敛并改善优化性能。
以最小化完工时间和总能耗为目标，兼顾生产效率与绿色制造需求。