控制与决策

作者：李车翔,韩玉艳,王玉亭,陈庆达

单位：聊城大学 计算机学院，山东 聊城 252000,,聊城大学 计算机学院，山东 聊城 252000,,聊城大学 计算机学院，山东 聊城 252000,,内蒙古大学 电子信息工程学院，呼和浩特 010021,

关键词：可重入混合流水车间调度问题;探索与开发;无监督学习;聚类;熵;多目标优化

基金：国家自然科学基金项目(61973203,62106073)；山东省自然科学基金项目(ZR2023MF022,ZR2024MF112)；聊城大学光岳青年学者创新团队项目(LCUGYTD2022-03).

可重入混合流水车间调度问题的能耗优化是可持续制造领域的关键挑战. 鉴于此, 构建以最小化完工时间和总能耗为双目标的混合整数线性规划模型, 进而设计聚类和熵引导的无监督学习多目标进化算法(CEUL-MOEA). 该算法建立探索–开发双种群协同进化框架, 采用双编解码规则和多样化启发式方法初始开发种群和探索种群, 其中开发种群采用目标导向破坏重构策略提升局部搜索精度, 探索种群引入协同进化交叉策略增强种群多样性. 进一步融合无监督学习技术提出聚类和熵引导的邻域搜索策略, 有效克服传统邻域扰动的随意性与盲目性; 同时在右移节能策略中提出特定的右移条件, 在保持完工时间不变的前提下显著降低空闲能耗. 基于275组算例的实验结果表明, CEUL-MOEA在收敛速度和解集分布性方面(GD和IGD指标平均降低89%, HV指标平均提高56%)均显著优于主流对比算法.

来源：2026年第4期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第4期