面向能源效率的分布式齐性流水班调度问题的知识驱动形态算法
最优化与控制
2024-05-01 v1 神经与进化计算
摘要
制造业碳排放减排在实现国家“双碳”目标方面具有重要意义。能源效率是未来制造系统不可忽视的关键因素。本研究将能源消耗纳入分布式齐性流水班调度问题（DHFSSP），提出一种知识驱动形态算法（KDMA）用于能源效率分布式齐性流水班调度问题（EEDHFSSP）。KDMA采用协作初始化策略生成高质量初始种群，同时引入若干算法改进措施，包括更新策略、局部搜索策略和碳减排策略，以提升算法的搜索性能。通过大量仿真实验验证，KDMA在多个评估指标上均优于众多最先进算法。
引用
@article{arxiv.2404.18953,
title = {A Knowledge-driven Memetic Algorithm for the Energy-efficient Distributed Homogeneous Flow Shop Scheduling Problem},
author = {Yunbao Xu and Xuemei Jiang and Jun Li and Lining Xing and Yanjie Song},
journal= {arXiv preprint arXiv:2404.18953},
year = {2024}
}
备注
14 pages