面向能源感知的混合车间调度中引入帕累托贪心算法的改进
人工智能
2025-10-07 v1
摘要
非可再生能源的稀缺、供应的地缘政治问题、不断上升的能源价格以及气候变化的影响，迫使全球经济发展出更高效的能源解决方案。制造业作为最大的能源消费者，不能例外。能源感知调度是制造企业减少能源消耗的一种方法，因其部署迅速且能立竿见影。本文研究了带阻塞约束的混合车间调度问题（BHFS），旨在最小化最晚完成时间（即作业完成时间）和总体能源消耗，这是汽车到制药等多个行业的典型制造场景。能源消耗与客户订单的最晚完成时间通常存在冲突。因此，本文首次提出一种新的多目标混合整数规划（MIP）模型，并提出了一种用于寻找帕累托最优解的增强ε约束法。此外，还发展了一种有效的多目标元启发式算法——改进的迭代帕累托贪心算法（Refined Iterated Pareto Greedy, RIPG），用于在合理时间内求解大规模实例。本文对小、中、大规模实例进行基准测试，以评估方法的有效性。采用两种经典算法与本文新方法进行比较。计算结果表明，我们的方法有效。
引用
@article{arxiv.2510.03377,
title = {Refined Iterated Pareto Greedy for Energy-aware Hybrid Flowshop Scheduling with Blocking Constraints},
author = {Ahmed Missaoui and Cemalettin Ozturk and Barry O'Sullivan},
journal= {arXiv preprint arXiv:2510.03377},
year = {2025}
}