IMOPSO-Ⅱ求解多目标动态多机协作作业车间调度研究*

doi:10.16731/j.cnki.1671-3133.2026.04.002

现代制造工程 ›› 2026, Vol. 547 ›› Issue (4): 7-15.doi: 10.16731/j.cnki.1671-3133.2026.04.002

• 先进制造系统管理运作 • 上一篇下一篇

IMOPSO-Ⅱ求解多目标动态多机协作作业车间调度研究^*

樊坤, 莫雅婧, 瞿华, 王君岩

北京林业大学经济管理学院,北京 100083

收稿日期:2025-02-17 发布日期:2026-05-07
作者简介:樊坤,博士,教授,主要研究方向为生产系统优化、车间调度、供应链管理及电子商务。莫雅婧,硕士研究生,主要研究方向为智能算法。瞿华,博士,讲师,主要研究方向为智能算法、管理信息系统及供应链管理。王君岩,硕士研究生,主要研究方向为智能算法。E-mail:fankun@bjfu.edu.cn
基金资助:
^*教育部人文社科基金项目(21YJA630012);北京林业大学中央高校基本科研业务费专项资金项目(2023SKY06)

IMOPSO-Ⅱ for solving multi-objective dynamic hybrid job-shop scheduling with multiprocessor tasks

FAN Kun, MO Yajing, QU Hua, WANG Junyan

School of Economics and Management,Beijing Forestry University,Beijing 100083,China

Received:2025-02-17 Published:2026-05-07

摘要/Abstract

摘要： 为满足离散制造业个性化生产需求并应对突发事件,设计了一种紧急订单插入的多机协作作业车间调度模型。模型将调度过程分为原始调度和重调度两个阶段,以最小化最大完工时间和总拖延时间为目标进行求解。提出改进的多目标粒子群(Improved Multi-Objective Particle Swarm Optimization,IMOPSO-Ⅱ)算法,结合滚动窗口技术将动态区间转化为多个静态区间,选用改进优先操作交叉策略与多轮变异丰富种群,通过快速非支配排序和拥挤度计算选取优秀粒子,采用外部档案策略进一步保留优秀基因。生成5-Job和10-Job算例进行多轮实验,与结合遗传算法(Genetic Algorithm,GA)和非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm,NSGA-Ⅱ)的GA-NSGA-Ⅱ算法相比,IMOPSO-Ⅱ算法在解的适应度值和C值上表现更优,验证了其在动态多机协作作业车间调度中的有效性。

关键词: 作业车间调度, 紧急订单, 多目标优化, 粒子群算法

Abstract: A hybrid job-shop scheduling model with multiprocessor tasks was designed to meet personalized production needs in discrete manufacturing and handle emergencies. The model divided the scheduling process into initial scheduling and rescheduling stages,aiming to minimize the makespan and total tardiness.Improved Multi-Objective Particle Swarm Optimization (IMOPSO-Ⅱ) algorithm combined with a rolling window technique was proposed to convert dynamic intervals into static ones. The algorithm used an improved crossover strategy and multi-round mutation to enhance population diversity. Fast non-dominated sorting and crowding distance were applied to select particles,while an external archive preserved superior genes. Multiple experiments using 5-Job and 10-Job instances were conducted. Compared with the GA-NSGA-Ⅱ algorithm,IMOPSO-Ⅱ algorithm showed better performance in fitness values and C-metric,confirming its effectiveness in dynamic hybrid job-shop scheduling model with multiprocessor tasks.

Key words: job-shop scheduling, urgent orders, multi-objective optimization, particle swarm optimization algorithm

中图分类号:

TP301.6

樊坤, 莫雅婧, 瞿华, 王君岩. IMOPSO-Ⅱ求解多目标动态多机协作作业车间调度研究^*[J]. 现代制造工程, 2026, 547(4): 7-15.

FAN Kun, MO Yajing, QU Hua, WANG Junyan. IMOPSO-Ⅱ for solving multi-objective dynamic hybrid job-shop scheduling with multiprocessor tasks[J]. Modern Manufacturing Engineering, 2026, 547(4): 7-15.

参考文献

[1] VARELA L R,ALVES C F V,SANTOS A S,et al. Analysis of a Collaborative Scheduling Model Applied in a Job Shop Manufacturing Environment[J]. Machines,2022,10(12):1138.
[2] BRUCKER P,KRÄMER A. Shop Scheduling Problems with Multiprocessor Tasks on Dedicated Processors[J]. Annals of operations research,1995,57(1):13-27.
[3] BRUCKER P,NEYER J. Tabu-search for the Multi-mode Job-shop Problem[J]. OR Spektrum,1998,20:21-28.
[4] 王蒙,樊坤,翟亚飞,等.网络并行计算中多处理机任务调度问题研究[J].计算机工程与应用,2017,53(10):264-270.
[5] 翟亚飞,樊坤,王蒙,等.求解混合多处理机任务作业车间调度的改进粒子群算法[J].小型微型计算机系统,2018,39(9):2107-2113.
[6] 吕媛媛,樊坤,瞿华,等.多目标粒子群算法求解混合多处理机任务作业车间调度问题研究[J].小型微型计算机系统,2022,43(1):218-224.
[7] 王全武,徐震浩,顾幸生.基于头脑风暴算法的多处理机组合生产批量调度问题[J].华东理工大学学报(自然科学版),2022,48(5):685-695.
[8] 雷德明,吴智铭.基于粒子群优化的多目标作业车间调度[J].上海交通大学学报,2007(11):1796-1800.
[9] 王云,冯毅雄,谭建荣,等.柔性作业车间分批调度多目标优化方法[J].浙江大学学报(工学版),2011,45(4):719-726,764.
[10] AGHAJANI A,FOULADI P. A Multi-objective Mathematical Model and Genetic Algorithm for Reliability Analysis in Flexible Job-shop Scheduling Problem[J]. International Journal of Management Concepts and Philosoph,2018,11(2):219-238.
[11] 丁晓霖. 基于粒子群的多目标约束优化算法研究[D].上海:华东理工大学,2015.
[12] KENNEDY J,EBERHART R. Particle Swarm Optimization[C]//Proceedings of ICNN′95-international conference on neural networks.[S.l.]:IEEE,1995:1942-1948.
[13] 玄光男,程润伟. 遗传算法与工程优化[M]. 北京:清华大学出版社,2000.
[14] 张超勇,董星,王晓娟,等.基于改进非支配排序遗传算法的多目标柔性作业车间调度[J]. 机械工程学报,2010,46(11):156-164.
[15] 马小姝,李宇龙,严浪.传统多目标优化方法和多目标遗传算法的比较综述[J].电气传动自动化,2010,32(3):48-50,53.
[16] DEB K,PRATAP A,AGARWAL S,et al. A Fast and Elitist Multiobjective Genetic Algorithm:NSGA-Ⅱ[J]. IEEE Transactions on Evolutionary Computation,2002,6(2):182-197.
[17] 包晓晓,叶春明,计磊,等.改进混沌烟花算法的多目标调度优化研究[J].计算机应用研究,2016,33(9):2601-2605.

IMOPSO-Ⅱ求解多目标动态多机协作作业车间调度研究^*

IMOPSO-Ⅱ for solving multi-objective dynamic hybrid job-shop scheduling with multiprocessor tasks

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	杨骏泽, 孙丹枫, 赵建勇. 基于混沌变异粒子群算法的工业机器人轨迹规划^*[J]. 现代制造工程, 2026, 546(3): 20-28.
[2]	巩锢, 陈洪根, 李婧, 郭俊鹏. 区域空间隔断车间布局优化研究^*[J]. 现代制造工程, 2026, 546(3): 108-119.
[3]	韩咏, 王琨, 王世煜, 齐一搏, 白亮. 基于子域法与遗传算法的多段调制磁极永磁同步电机优化设计^*[J]. 现代制造工程, 2026, 546(3): 137-145.
[4]	杜潇, 栗飞, 梁勇, 李天箭. 多工序大允差大型发动机缸体翻转机结构设计^*[J]. 现代制造工程, 2026, 545(2): 91-100.
[5]	葛师语, 王玉芳, 张毅, 华晓麟. 考虑夹具的双资源约束柔性作业车间调度研究^*[J]. 现代制造工程, 2026, 544(1): 1-14.
[6]	郑国梁, 张朝阳, 吉卫喜, 于俊杰. 基于DQN的改进NSGA-Ⅱ求解多目标柔性作业车间调度问题[J]. 现代制造工程, 2025, 540(9): 1-11.
[7]	朱敏, 王岩, 卞京, 卢宇涵. 基于改进蛇优化算法的柔性作业车间调度研究[J]. 现代制造工程, 2025, 540(9): 12-19.
[8]	覃频频, 梁文彬, 李龙杰, 叶磊. 老旧小区移动充电车避障路径规划与跟踪控制[J]. 现代制造工程, 2025, 539(8): 39-47.
[9]	夏良才, 陈仕军. 基于Dueling-DQN的协同进化算法求解绿色分布式异构柔性作业车间调度问题^*[J]. 现代制造工程, 2025, 538(7): 8-19.
[10]	张宁宁, 万卫兵, 张梦晓, 赵宇明. 面向多目标动态作业车间调度的强化学习决策算法研究^*[J]. 现代制造工程, 2025, 538(7): 20-30.
[11]	廖雪超, 向桂宏, 阮兵, 田芮利, 钟实. 带AGV数量约束的柔性作业车间调度问题研究^*[J]. 现代制造工程, 2025, 537(6): 11-21.
[12]	李建儒, 龚堰珏, 赵罘. 基于混合遗传粒子群算法的机器人关节空间轨迹规划^*[J]. 现代制造工程, 2025, 537(6): 84-91.
[13]	汪家炜, 王艳, 纪志成, 刘相. 基于LMD-QPSO-LSTM的离散再制造系统动态瓶颈预测方法^*[J]. 现代制造工程, 2025, 537(6): 150-160.
[14]	薛欢, 张洛源, 张文谦, 徐赛清, 彭萧剑, 郭畅, 苏子傲. 基于IDBO-BP与PSO的超声冲击薄板激光焊接残余应力预测与工艺优化^*[J]. 现代制造工程, 2025, 534(3): 9-18.
[15]	徐帅, 李艳武, 谢辉, 牛晓伟. 基于卷积金字塔网络的PPO算法求解作业车间调度问题^*[J]. 现代制造工程, 2025, 534(3): 19-30.