科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文以分布式制造环境下的柔性流水车间调度问题作为研究对象( Distributed Flexible Flow-shop Scheduling Problem，DFFSP)，重点分析了分布式柔性流水车间调度问题的特性，考虑分时电价(Time-of-use electricity tariffs， TOU)约束，以最小化最大完工时间和总电力成本为优化指标，建立了DFFSP-TOU问题整数规划模型，根据分时电价下分布式柔性流水车间调度问题特性DFFSP-TOU，提出了一种基于自学习机制的多目标帝王蝶优化算法（Multi-Objective Learning Monarch Butterfly Optimization algorithm，MOLMBO）。算法的迁移算子和调整算子通过历史最优解的信息自学习生成，以增强该算法的自学习、自适应能力；采用变邻域搜索来提高算法的局部搜索性能和种群多样性; 通过右移操作将电价区间在高峰时段的生产转移到电价区间在低谷时段进行生产，减少机器在待机状态下的能耗，进而降低电力成本。实验结果表明MOLMBO算法是求解分布式柔性流水车间调度问题的一种有效的方法。
- 单位
