基于学习型进化算法的并行机批调度与多级非完美性维护集成优化

来源：计算机集成制造系统杂志2025年第9期北京时间：

作者：安友军, 张俊, 董元发, 高开周, 彭巍, 周彬

单位：1.三峡大学机械与动力学院2.三峡大学水电机械设备设计与维护湖北省重点实验室3.澳门科技大学系统工程研究所

摘要：针对工件动态到达情况下的并行机批调度问题,现有研究很少考虑产品加工不兼容、设备维护和目标完成量等约束对实际生产计划的影响。为此,在考虑产品加工不兼容和最大停机设备数量对并行机生产与维护集成调度影响的基础上,提出了具有4种不同维护活动的多级非完美性设备维护策略,进而构建了考虑不同见证点目标完成量、设备维护和最大停机设备数量的多目标集成调度数学优化模型。为求解该问题,设计了4种局部搜索算子和一种基于聚类的交叉策略,并以此构建了基于Q学习的自适应多目标进化算法(QSMOEA)。最后,通过大量仿真实验发现:① 4种局部搜索算子和基于聚类的交叉策略在QSMOEA算法中发挥着积极且重要的作用,且它们对算法整体性能的贡献度不低于11.91%;② QSMOEA算法显著优于其他4种先进的智能优化算法,且平均相对百分比偏差不低于-18.58%;③ 多级非完美性设备维护策略显著优于传统设备维护策略,且所提维护策略的最优维护计划在集成优化研究中也具有显著性优势;④ 通过敏感性分析发现,最大停机设备数量对生产与维护集成调度结果具有显著性影响。

关键词：并行批处理机,多级非完美性维护,生产与维护集成调度,Q学习算法,自适应多目标进化算法

基金资助：国家自然科学基金资助项目(52505562,52075292,62573442,62173356);湖北省自然科学基金资助项目(2025AFB165,2023AFB1116);三峡大学科学基金资助项目(2024RCKJ032)。