Multiobjective particle swarm optimization with direction search and differential evolution for distributed flow-shop scheduling problem

Wenqiang Zhang; Chen Li; Mitsuo Gen; Weidong Yang; Zhongwei Zhang; Guohui Zhang; Wenqiang Zhang; Chen Li; Mitsuo Gen; Weidong Yang; Zhongwei Zhang; Guohui Zhang

doi:10.3934/mbe.2022410

数学生物科学与工程

2022,第19卷, 第9版: 8833-8865. 数字对象标识：10.3934/mbe.2022410

研究文章特殊问题

基于方向搜索和差分进化的多目标粒子群算法求解分布式flowshop调度问题

1
河南工业大学信息科学与工程学院
2
日本东京理工大学模糊逻辑系统研究所
三。
河南工业大学粮食光电检测与控制河南省重点实验室
4
河南工业大学机电工程学院
5
郑州航空大学管理工程学院

收到：2022年5月13日 修订过的：2022年6月9日 认可的：2022年6月13日 出版：2022年6月17日

作为分布式调度的经典问题，分布式流水车间调度问题（DFSP）涉及工厂内部的作业分配和操作序列，已被证明是一个NP难问题。已经提出了许多智能算法来求解DFSP。然而，解决方案的效率和质量无法满足生产要求。因此，本文提出了一种基于方向搜索和差分进化的双目标粒子群优化算法，以最大完工时间和总加工时间最小为准则求解DFSP。方向搜索策略在帕累托前沿的多个方向上探索粒子群，增强了算法在帕累托前沿不同区域的强收敛能力，提高了算法的求解速度。基于差分进化的搜索策略是算法的局部搜索策略，它可以防止多目标粒子群优化算法过早收敛，避免陷入局部最优，从而找到更好的解。这两种策略的结合不仅增加了粒子朝好的方向移动的概率，而且增加了粒子群的多样性。最后，在基准问题上的实验结果表明，与传统的多目标进化算法相比，该算法可以加快算法的收敛速度，同时保证获得的解具有良好的分布性能和多样性。
- 分布式flowshop调度问题,
- 多目标优化,
- 粒子群优化,
- 差异演化,
- 帕雷托前部
引用：张文强、陈丽、根三雄、杨卫东、张中伟、张国辉。基于方向搜索和差分进化的多目标粒子群算法求解分布式flow-shop调度问题[J]。数学生物科学与工程，2022，19（9）：8833-8865。doi:10.3934/mbe.2022410

相关论文：

摘要

作为一个经典的分布式调度问题，分布式flow-shop调度问题（DFSP）涉及到工厂内部的作业分配和操作序列，已经被证明是一个NP-hard问题。已经提出了许多智能算法来求解DFSP。然而，解决方案的效率和质量无法满足生产要求。因此，本文提出了一种基于方向搜索和差分进化的双目标粒子群优化算法，以最大完工时间和总加工时间最小为准则求解DFSP。方向搜索策略在帕累托前沿的多个方向上探索粒子群，增强了算法在帕累托前沿不同区域的强收敛能力，提高了算法的求解速度。基于差分进化的搜索策略是算法的局部搜索策略，它可以防止多目标粒子群优化算法过早收敛，避免陷入局部最优，从而找到更好的解。这两种策略的结合不仅增加了粒子朝好的方向移动的概率，而且增加了粒子群的多样性。最后，在基准问题上的实验结果表明，与传统的多目标进化算法相比，该算法可以加快算法的收敛速度，同时保证获得的解具有良好的分布性能和多样性。

工具书类

[1]	F.Pezzella，G.Morganti，G.Ciaschetti，柔性车间调度问题的遗传算法，计算。操作。物件。,35(2008), 3202–3212. https://doi.org/10.1016/j.cor.2007.02.014数字对象标识：10.1016/j.cor.2007.02.014
[2]	Z.Shao、D.Pi、W.Shao，分布式环境下调度阻塞flowshop的混合增强离散果蝇优化算法，专家系统。申请。,145(2020), 113147. https://doi.org/10.1016/j.eswa.2019.113147数字对象标识：2016年10月10日/j.eswa.2019.113147
[3]	J.Behnamian，S.Fatemi Ghomi，《多工厂调度调查》，J.智力。制造商。,27(2016), 231–249. https://doi.org/10.1007/s10845-014-0890-y数字对象标识：2007年10月10日/10845-014-0890年
[4]	M.Yazdani，S.Gohari，B.Naderi，多工厂并行机问题：改进的数学模型和人工蜂群算法，计算。工业工程。,81(2015), 36–45. https://doi.org/10.1016/j.cie.2014.12.023数字对象标识：2016年10月10日/j.cie.2014.12.023
[5]	C.Lu，Y.Huang，L.Meng，L.Gao，B.Zhang，J.Zhou，一种基于pareto的协作多目标优化算法，用于有限缓冲区的分布式置换流程车间的节能调度，罗布。计算。集成。制造商。,74(2022), 102277. https://doi.org/10.1016/j.rcim.2021102277数字对象标识：2016年10月10日/j.rcim.2021102277
[6]	T.Meng，Q.K.Pan，L.Wang，带客户订单约束的分布式置换流水车间调度问题，知识-基于系统。,184(2019), 104894. https://doi.org/10.1016/j.knosys.2019.104894数字对象标识：2016年10月10日/j.knosys.2019.104894
[7]	S.Hatami，R.Ruiz，C.Andres-Romano，分布式装配置换流水车间调度问题，国际J.生产研究。,51(2013), 5292–5308. https://doi.org/10.1080/00207543.2013.807955数字对象标识：10.1080/00207543.2013.807955
[8]	F.Xiong，M.Chu，Z.Li，Y.Du，L.Wang，分布式混凝土预制流水作业系统的实时调度，计算。操作。物件。,129(2021), 105204. https://doi.org/10.1016/j.cor.2020.105204数字对象标识：10.1016/j.c或.2020.105204
[9]	M.Gen、R.Cheng、L.Lin、，网络模型与优化：多目标遗传算法方法《施普林格科学与商业媒体》，2008年。
[10]	B.Jiao，S.Yan，基于生态位共享方案的协同进化粒子群优化算法在flow shop调度问题中的应用，系统。网络。信息。,15(2017), 46–54.
[11]	X.Yu、M.Gen、，进化算法简介《施普林格科学与商业媒体》，2010年。
[12]	J.Gao，R.Chen，W.Deng，分布式置换流水车间调度问题的高效禁忌搜索算法，国际J.生产研究。,51(2013), 641–651. https://doi.org/10.1080/00207543.2011.644819数字对象标识：10.1080/00207543.2011.644819
[13]	S.y.Wang，L.Wang，M.Liu，y.Xu，解决分布式置换流程调度问题的分布估计算法，国际生产经济杂志。,145(2013), 387–396. https://doi.org/10.1016/j.jpe.2013.05.004数字对象标识：10.1016/j.ijpe.2013.05.004
[14]	Y.Xu，L.Wang，S.Wang和M.Liu，一种有效的混合免疫算法，用于解决分布式置换流程车间调度问题，工程优化。,46(2014), 1269–1283. https://doi.org/10.1080/0305215X.2013.827673数字对象标识：10.1080/0305215X.2013.827673
[15]	B.Naderi，R.Ruiz，分布式置换flowshop调度问题的分散搜索算法，欧洲药典。物件。,239(2014), 323–334. https://doi.org/10.1016/j.ejor.2014.05.024数字对象标识：10.1016/j.ejor.2014.05.024
[16]	H.Bargaoui，O.B.Driss，K.Ghédira，基于最大跨度准则的分布式置换流水车间调度问题的新型化学反应优化，计算。工业工程。,111(2017), 239–250. https://doi.org/10.1016/j.cie.2017.07.020数字对象标识：2016年10月10日/j.cie.2017.07.020
[17]	R.Ruiz，Q.K.Pan，B.Naderi，分布式置换flowshop调度问题的迭代贪婪方法，欧米茄,83(2019), 213–222. https://doi.org/10.1016/j.omega.2018.03.004数字对象标识：2016年10月10日/j.omega.2018.03.004
[18]	A.Kaveh，T.Bakhshpoori，人工蜂群算法，in元启发式：大纲、MATLAB代码和示例斯普林格，2019年，19-30。https://doi.org/10.1007/978-3-030-04067-3_3
[19]	F.Zhao、H.Liu、Y.Zhang、W.Ma、C.Zhang，无等待流水车间调度问题的离散水波优化算法，专家系统。申请。,91(2018), 347–363. https://doi.org/10.1016/j.eswa.2017.09.028数字对象标识：2016年10月10日/j.eswa.2017-09.028
[20]	J.f.Chen，L.Wang，Z.p.Peng，节能多目标分布式无中间流程车间调度的协同优化算法，Swarm进化。计算。,50(2019), 100557. https://doi.org/10.1016/j.swevo.2019.100557数字对象标识：2016年10月10日/星期五.2019.100557
[21]	V.Fernandez-Viagas，P.Perez-Gonzalez，J.M.Framinan，最小化总流动时间的分布式置换流动车间，计算。工业工程。,118(2018), 464–477. https://doi.org/10.1016/j.cie.2018.03.014数字对象标识：2016年10月10日/j.cie.2018.03.014
[22]	W.Shao、Z.Shao和D.Pi，基于多邻域局部搜索的多目标进化算法在多目标分布式混合流水车间调度问题中的应用，专家系统。申请。,183(2021), 115453. https://doi.org/10.1016/j.eswa.2021.115453数字对象标识：2016年10月10日/j.eswa.2021.115453
[23]	Y.Del Valle，G.K.Venayagamoorthy，S.Mohagheghi，J.C.Hernandez，R.G.Harley，《粒子群优化：电力系统中的基本概念、变体和应用》，IEEE传输。进化。计算。,12(2008), 171–195.
[24]	J.Kennedy，R.C.Eberhart，粒子群算法的离散二进制版本1997年IEEE系统、人与控制论国际会议。计算控制论与仿真,5(1997), 4104–4108.https://doi.org/10.109/ICSMC.1997.637339
[25]	T.Jamrus，C.F.Chien，M.Gen，K.Sethanan，半导体制造加工时间不确定条件下的柔性车间调度混合粒子群优化算法，IEEE传输。半秒。制造商。,31(2017), 32–41. https://doi.org/10.109/TSM.2017.2758380数字对象标识：10.1109/TSM.2017.2758380
[26]	T.Jamrus，C.F.Chien，M.Gen，K.Sethanan，利用集成离散粒子群优化和扩展的基于优先级的混合遗传算法实现不确定需求下的多阶段生产分配，模糊优化。Decis公司。制作,14(2015), 265–287. https://doi.org/10.1007/s10700-014-9200-6数字对象标识：2007年10月10日/10700-014-9200-6
[27]	C.Moon，J.Kim，M.Gen，基于电子工厂链的优先级和资源约束的高级规划和调度，国际J.生产研究。*,42(2004), 2941–2955. https://doi.org/10.1080/00207540410001691956数字对象标识：10.1080/00207540410001691956
[28]	A.Okamoto，M.Gen，M.Sugawara，使用混合遗传算法的制造和运输集成数据结构和调度方法，J.智力。制造商。,17(2006), 411–421. https://doi.org/10.1007/s10845-005-0014-9数字对象标识：2007年10月10日/10845-005-0014-9
[29]	R.Storn，K.Price，差分进化——一种简单有效的启发式算法，用于连续空间上的全局优化，J.全球优化。,11(1997), 341–359.
[30]	E.Jiang、L.Wang、J.Wang，多处理器任务下能量感知分布式混合流水车间调度的基于分解的多目标优化，清华科学。技术。,26(2021), 646–663. https://doi.org/10.26599/TST.20219010007数字对象标识：10.26599/TST.2021.901007
[31]	C.A.C.Coello，G.T.Pulido，M.S.Lechuga，用粒子群优化处理多个目标，IEEE传输。进化。计算。,8(2004), 256–279. https://doi.org/10.109/TEVC.2004.826067数字对象标识：10.1109/TEVC2004.826067
[32]	B.Naderi，R.Ruiz，分布式排列流程调度问题，计算。操作。物件。,37(2010), 754–768. https://doi.org/10.1016/j.cor.2009.06.019数字对象标识：2016年10月10日/j.cor.2009.06.019
[33]	J.J.Wang、L.Wang，分布式flowshop节能调度的基于知识的协同算法，IEEE传输。系统。网络人：系统。,50(2018), 1805–1819. https://doi.org/10.109/TSMC.2017.2788879数字对象标识：10.1109/TSMC2017.2788879
[34]	A.P.Rifai，H.T.Nguyen，S.Z.M.Dawal，分布式可重入置换流水车间调度的多目标自适应大邻域搜索，申请。软计算。,40(2016), 42–57. https://doi.org/10.1016/j.asoc.2015.11.034数字对象标识：2016年10月10日/j.asoc.2015.11.034
[35]	J.Deng，L.Wang，多目标分布式置换流水车间调度问题的竞争模因算法，Swarm进化。计算。,32(2017), 121–131. https://doi.org/10.1016/j.swevo.2016.06.002数字对象标识：2016年10月10日/j.swevo.2016.06.002
[36]	C.Lu，L.Gao，J.Yi，X.Li，异构工厂分布式流水车间的节能调度：中国汽车行业的实际案例，IEEE传输。Ind.信息。,17(2020), 6687–6696. https://doi.org/10.109/TII.2020.3043734数字对象标识：10.1109/TII.2020.3043734号
[37]	S.W.Lin，K.C.Ying，解决分布式无等待flowshop调度问题的最小化完工时间，计算。工业工程。,99(2016), 202–209. https://doi.org/10.1016/j.cie.2016.07.027数字对象标识：2016年10月10日/j.cie.2016.07.027
[38]	K.C.Ying，S.W.Lin，C.Y.Cheng，C.D.He，求解分布式无排列流水作业调度问题的迭代参考贪婪算法，计算。工业工程。,110(2017), 413–423. https://doi.org/10.1016/j.cie.2017.06.025数字对象标识：2016年10月10日/j.cie.2017.06.025
[39]	程春云、应国忠、陈海华、卢海山，分布式混合非主流车间的最小制造周期，国际J.生产研究。,57(2019), 48–60. https://doi.org/10.1080/0207543.2018.1457812数字对象标识：10.1080/00207543.2018.1457812
[40]	G.Zhang，K.Xing，基于makespan准则的分布式有限缓冲flowshop调度的差分进化元启发式，计算。操作。物件。,108(2019), 33–43. https://doi.org/10.1016/j.cor.2019.04.002数字对象标识：10.1016/j.c或2019.04.002
[41]	F.Zhao，X.He，L.Wang，一种具有问题特定知识的两阶段合作进化算法，用于无等待流车间问题的节能调度，IEEE传输。赛博。,51(2020), 5291–5303. https://doi.org/10.109/TCYB.2020.3025662数字对象标识：10.1109/周期b.2020.3025662
[42]	F.Zhao，L.Zhang，J.Cao，J.Tang，分布式装配零流程车间调度问题的一种带强化学习的协同水波优化算法，计算。工业工程。,153(2021), 107082. https://doi.org/10.1016/j.cie.2020.107082数字对象标识：2016年10月10日/j.cie.2020.107082
[43]	F.Zhao，R.Ma，L.Wang，异构工厂系统中多目标节能分布式无空闲流程调度问题的自学习离散jaya算法，IEEE传输。赛博。, 2021. https://doi.org/10.109/TCYB.2021.3086181数字对象标识：10.1109/TCYB.2021.3086181号
[44]	H.Jia，J.Y.Fuh，A.Y.Nee，Y.Zhang，分布式制造环境下基于Web的多功能调度系统，并行工程。,10(2002), 27–39. https://doi.org/10.1177/1063293X02010001054数字对象标识：10.1177/1063293X02010001054
[45]	X.Zhang，X.T.Li，M.H.Yin，分布式装配置换流水车间调度问题的改进遗传算法，国际生物灵感计算杂志。,15(2020), 113–124.
[46]	J.J.Wang、L.Wang，总拖期最小化的分布式混合flowshop调度问题的迭代贪婪算法2019 IEEE第15届国际自动化科学与工程会议（CASE），IEEE，（2019），350–355。https://doi.org/10.109/COASE.2019.8842885
[47]	M.F.Tasgetiren，Y.C.Liang，M.Sevkli，G.Gencyilmaz，置换flowshop排序问题中最大持续时间和总流动时间最小化的粒子群优化算法，欧洲药典。物件。,177(2007), 1930–1947. https://doi.org/10.1016/j.ejor.2005.12.024数字对象标识：10.1016/j.ejor.2005.12.024
[48]	Q.K.Pan，M.F.Tasgetiren，Y.C.Liang，无等待流水车间调度问题的离散粒子群优化算法，计算。操作。物件。,35(2008), 2807–2839. https://doi.org/10.1016/j.cor.2006.12.030数字对象标识：2016年10月10日/j.c或2006年12月30日
[49]	A.Rahimi-Vahed，S.Mirghorbani，flow shop调度问题的多目标粒子群，J.库姆。最佳方案。,13(2007), 79–102. https://doi.org/10.1007/s10878-006-9015-7数字对象标识：2007年10月10日/10878-006-9015-7
[50]	Y.X.Su，R.Chi，多目标粒子群差分进化算法，神经计算。申请。,28(2017), 407–418. https://doi.org/10.1007/s00521-015-2073-y数字对象标识：10.1007/00521-015-2073-年
[51]	崔总，张建杰，吴德武，蔡晓霞，王海宏，张维华，等，绿色煤炭生产问题的混合多目标粒子群优化算法，信息科学。,518(2020), 256–271. https://doi.org/10.1016/j.ins.200.01.018数字对象标识：10.1016/j.ins.2020.10.18
[52]	W.Zhang，W.Hou，C.Li，W.Yang，M.Gen，基于多方向更新的多目标粒子群优化算法在混合无空闲流水车间调度问题中的应用，复杂系统。模型1。模拟。,1(2021), 176–197. https://doi.org/10.23919/CSMS.2021.0017数字对象标识：10.23919/CSMS.2021.0017
[53]	李建清、宋明霞、王立林、段培友、韩义勇、桑海英等，带恶化作业的并行批处理分布式流程车间问题的混合人工蜂群算法，IEEE传输。赛博。,50(2019), 2425–2439. https://doi.org/10.109/TCYB.2019.2943606数字对象标识：10.1109/TCYB.2019.2943606
[54]	Q.K.Pan，L.Gao，L.Wang，J.Liang，X.Y.Li，分布式置换flowshop问题最小化总流程时间的有效启发式和元启发式，专家系统。申请。,124(2019), 309–324. https://doi.org/10.1016/j.eswa.2019.01.062数字对象标识：2016年1月10日/j.eswa.2019.01.062
[55]	黄建平，潘庆坤，苗志浩，高立，带设置时间的分布式flowshop的有效构造启发式和离散蜂群优化，工程应用。Artif公司。智力。,97(2021), 104016. https://doi.org/10.1016/j.engappai.2020.104016数字对象标识：2016年10月10日/j.engappai.2020.104016
[56]	M.E.Baysal，A.Sarucan，K.BüyüKözkan，O.Engin，解决多目标分布式模糊排列流水作业问题的人工蜂群算法，J.智力。模糊系统。, (2022), 1–11. https://doi.org/10.3233/JIFS-219202数字对象标识：10.3233/JIFS-219202
[57]	刘伟林，龚永杰，陈文南，刘振中，王海宏，张建章，电动汽车协调充电调度：一种混合变量微分进化方法，IEEE传输。智力。运输。系统。,21(2019), 5094–5109. https://doi.org/10.109/TITS.2019.2948596数字对象标识：10.1109/TITS.2019.2948596
[58]	S.Zhou，L.Xing，X.Zheng，N.Du，L.Wang，Q.Zhang，一种自适应差分进化算法，用于调度具有任意工件大小和释放时间的单批处理机器，IEEE传输。赛博。,51(2019), 1430–1442. https://doi.org/10.109/TCYB.2019.2939219数字对象标识：10.1109年/月2019.2939219年
[59]	W.Zhang，Y.Wang，Y.Yang，M.Gen，基于差分进化的flow shop调度问题混合多目标进化算法，计算。工业工程。,130(2019), 661–670. https://doi.org/10.1016/j.cie.2019.03.019数字对象标识：2016年10月10日/j.cie.2019.03.019
[60]	Y.Y.Han，D.Gong，X.Sun，一种结合差分进化的离散人工蜂群算法，用于带阻塞的flowshop调度问题，工程优化。,47(2015), 927–946. https://doi.org/10.1080/0305215X.2014.928817数字对象标识：10.1080/0305215X.2014.928817
[61]	W.Zhang，M.Gen，J.Jo，基于混合采样策略的过程规划与调度多目标进化算法，J.智力。制造商。,25(2014), 881–897. https://doi.org/10.1007/s10845-013-0814-2数字对象标识：2007年10月10日/10845-013-0814-2
[62]	Y.Li，C.Wang，L.Gao，Y.Song，X.Li，基于残差网络的置换流水车间调度改进模拟退火算法，复杂智能。系统。,7(2021), 1173–1183. https://doi.org/10.1007/s40747-020-00205-9数字对象标识：2007年10月7日/40747-020-00205-9
[63]	M.Baioletti，A.Milani，V.Santucci，置换搜索空间的代数粒子群优化2017年IEEE进化计算大会（CEC），IEEE，（2017），1587-1594。https://doi.org/10.1109/CEC.2017.7969492
[64]	E.Taillard，基本调度问题的基准，欧洲药典。物件。,64(1993), 278–285. https://doi.org/10.1016/0377-2217（93）90182-M数字签名：10.1016/0377-2217（93）90182-M
[65]	A.P.Rifai，S.T.W.Mara，A.Sudiarso，具有序列相关设置时间的多目标分布式可重入置换流水车间调度，专家系统。申请。,183(2021), 115339. https://doi.org/10.1016/j.eswa.2021.115339数字对象标识：2016年10月10日/j.eswa.2021.115339
[66]	G.Wang，X.Li，L.Gao，P.Li，分布式焊接流水线车间节能调度的有效多目标鲸鱼群算法，安·Oper。物件。,310(2022), 223–255. https://doi.org/10.1007/s10479-021-03952-1数字对象标识：2007年10月10日/10479-021-03952-1
[67]	S.Yang，Z.Xu，具有柔性装配和批量交货的分布式装配置换flowshop调度问题，国际J.生产研究。,59(2021), 4053–4071. https://doi.org/10.1080/0207543.2020.17757174数字对象标识：10.1080/00207543.2020.1757174
[68]	J.Derrac，S.García，D.Molina，F.Herrera，《关于使用非参数统计测试作为比较进化算法和群体智能算法的方法的实用教程》，Swarm进化。计算。,1(2011), 3–18.