关键词:
柔性作业车间调度
Q-learning
改进NSGA-Ⅱ
多目标优化
摘要:
针对柔性作业车间节能调度问题(Flexible job shop energy efficient scheduling problem,EEFJSP),构建以最小化的最大完工时间和机器总能耗最低为优化目标的FJSP问题模型。首先,针对问题模型的特征,提出一种基于强化学习协同进化算法的自适应算法(QNSGA-Ⅱ);其次,引入状态空间和动作空间,并且以总体的平均适应度和种群多样性设计一种奖惩函数,来保证算法在迭代过程中的有效性;为了提高全局搜索与局部搜索的能力,提出改进的禁忌搜索算法对交叉变异后的种群进行更新。最后,为验证算法的有效性和优越性,对改进的禁忌搜索策略和Q-learning参数自适应策略进行有效性分析;并且将所提出的QNSGA-Ⅱ与其他多目标优化算法对比,验证算法在求解EEFJSP中的优越性。