基于ABLSTM和改进差分进化算法的柔性作业车间主动调度方法

来源：机床与液压杂志2025年第20期北京时间：

作者：高培原，唐红涛

单位：武汉理工大学机电工程学院；机器人与智能制造湖北省工程研究中心；武汉理工大学机电工程学院；机器人与智能制造湖北省工程研究中心；智能制造装备与技术全国重点实验室

摘要：为解决车间调度方案受机器故障影响的问题，建立以最小化最大完工时间、最大化机器利用率为目标函数的柔性作业车间主动调度模型。通过注意力双向长短时记忆（ABLSTM）深度学习模型预测机器剩余寿命，在此基础上，提出一种改进多目标差分进化算法（IMDE）。在传统差分进化算法（DE）的基础上，引入Q学习动态调整缩放因子和交叉率，设置多种变异方法池，同时采取变邻域搜索策略，能够更有效地寻找最优解。在韶关某液压件厂实例模型上进行测试，验证IMDE对于考虑机器故障的柔性作业车间调度问题的可行性。同时将多目标差分进化（MDE）、多目标灰狼算法（MGWO）和NSGA-II作为IMDE的对比算法，在BRANDIMARTE的改进算例上开展实验。结果表明：在相同的迭代次数下，相较MDE 、MGWO、NSGA-II算法， IMDE具有更快的收敛速度，可以获得更好的目标值，证明了其在求解考虑机器故障的柔性作业车间调度问题上的有效性和优越性。

关键词：ABLSTM预测;改进多目标差分进化算法;机器故障;主动调度

基金资助：国家自然科学面上项目(52075401)