为了捕获柔性作业车间调度的多目标和不确定性,构建了具有发布时间不确定性的多目标柔性作业车间调度问题的数学模型(MOFJSSP-RTU),其中,制造时间跨度,拖延性,在各种约束下同时考虑了稳定性和鲁棒性。 为了适当地解决MOFJSSP-RTU问题,提出了一种改进的基于分解的多目标进化算法(IMOEA / D),用于鲁棒调度。 我们算法的新颖性在于它采用了一种新的子问题更新策略,该策略利用了全局信息,允许存档中记录的精英分子参与子代,并结合了基于修复的交叉算子和自适应差分进化(DE基于)的变异算子,有助于更好地平衡算法的探索和开发。 在4个问题实例上的实验结果表明,我们的基于IMOEA / D的鲁棒调度方法具有比最新的多目标优化进化算法(MOEA)更好的收敛性能,并且还擅长于保持解决方案的均匀分配。 还分析了三个目标之间的不同权衡。
1