(通讯员：周佳军）近日，计算智能顶级期刊《IEEE Transactions on Evolutionary Computation (IEEE TEVC)》在线发表了公司在“人工智能+工业制造”交叉学科研究论文—A Learning-based Memetic Algorithm for Energy-Efficient Flexible Job Shop Scheduling With Type-2 Fuzzy Processing Time。论文第一作者为公司2020级硕士生李瑞，通讯作者为计算机系龚文引教授和清华大学自动化系王凌教授。

利用模糊系统对柔性工业制造中加工时间的不确定性预测已经展现了良好性能。然而随着现代化工业发展，生产环境更加复杂。传统模糊系统已难以有效预测系统中加工时间的不确定性。其次，强化学习已经在组合优化问题中展现了强大的性能。在多目标车间调度问题中，多目标优化算法的性能对于参数的选取十分敏感。最后，能耗问题已成为现代制造中重点关注问题，高效的节能策略依旧是待解决的技术难题。

图1.论文提出的自适应参数调整策略

图2.论文提出的贪心节能策略

针对以上问题，考虑到Type-2模糊系统对加工时间不确定性的更好的表达能力。该论文提出基于强化学习的模因算法求解带第二类型模糊加工时间的绿色柔性作业车间调度问题。1）构建了以同时最小化最大完工时间和总能耗为目标的混合整数线性模型；其次，提出了一种混合初始化策略包含五种启发式策略以获得高质量初始化种群；2）采用基于分解的多目标优化框架，采用Q学习算法结合非支配解集的收敛性和分布性两个指标，对于邻域大小进行自适应调整，增强算法分布性；3）提出了四种针对问题特性的局部搜索策略；4）提出了一种贪心节能策略，采用最小能耗的原则对每个解进行重构。论文提出的算法相对于最新的主流算法，综合性能表现最佳，表明所提出了改进策略能有效提升算法的求解能力。

IEEE TEVC是计算智能领域国际顶级期刊，具有很高影响力，2021年影响因子11.554。该期刊每年收录论文约60篇，接受率约10%。

该研究得到国家自然科学基金项目（62076225，61873328）的联合资助。

论文信息：Title: A Learning-based Memetic Algorithm for Energy-Efficient Flexible Job Shop Scheduling With Type-2 Fuzzy Processing Time

Authors: Rui Li, Wenyin Gong*, Chao Lu, Ling Wang*

Source: IEEE Transactions on Evolutionary Computation

DOI: 10.1109/TEVC.2022.3175832 Available Online: 2022

论文链接：https://ieeexplore.ieee.org/document/9776510

论文代码，数据集，CPLEX模型链接：https://cuglirui.github.io/pubs.htm