近日，九江学院计算机与大数据科学学院彭虎教授团队在演化计算领域顶级期刊IEEE Transactions on Evolutionary Computation（TEVC）在线发表题为“A Risk-Aware Dynamic Multi-objective Evolutionary Algorithm for Distributed Flexible Job Shop Scheduling with Machine Deterioration”的研究论文。该研究针对机器性能退化与加工时间不确定性共同作用下的分布式柔性作业车间调度问题，提出风险感知动态多目标进化算法（RADEA），为复杂生产环境下兼顾生产效率与能源消耗的调度优化提供了新方法。
在分布式制造环境中，如何合理分配不同工厂、不同设备的生产任务，是提升生产效率、降低能耗的重要问题。实际生产中，机器持续运行带来的性能退化，以及设备状态、工人技能等因素造成的加工时间不确定性，增加了生产调度的难度。传统基于确定性假设的调度模型难以充分反映这些动态变化，可能影响调度方案的实际执行效果。
针对上述问题，研究团队构建了融合机器性能退化与二型模糊加工时间的动态分布式调度模型，以最大完工时间和能耗的协同优化为目标，提出风险感知动态多目标进化算法。该算法设计了主动—反应可靠性治理机制，通过预测设备故障概率触发预防性维护，并根据环境变化自适应调整搜索强度，兼顾风险缓解与搜索探索；同时，引入预测风险感知切比雪夫聚合函数，将可靠性评估融入调度方案的选择过程，引导算法优先选择更可靠的方案。
研究团队在30个测试实例中，将该算法与4种先进算法进行了对比。实验结果表明，该算法在随机环境下表现出较强的竞争力，尤其在主动降低方案质量风险、保持解的多样性方面具有优势。
IEEE Transactions on Evolutionary Computation是演化计算领域的国际顶级期刊之一，为中科院期刊分区表计算机科学大类一区Top期刊，主要刊载演化计算及相关优化方法的理论与应用研究成果。
论文链接：A Risk-Aware Dynamic Multi-objective Evolutionary Algorithm for Distributed Flexible Job Shop Scheduling with Machine Deterioration
计算机与大数据科学学院供稿
责编：向真 审核：邹国辉 董西伟 汪浩
赣公网安备36040202000313
学生
教工
校友
考生
访客
