【标题】A reinforcement learning based RMOEA/D for bi-objective fuzzy flexible job shop scheduling

【作者团队】Rui Li, Wenyin Gong, Chao Lu

【发表日期】2022.5.8

【论文链接】https://www.sciencedirect.com/science/article/pii/S0957417422007291

【推荐理由】柔性作业车间调度问题 (FJSP) 对于现实制造具有重要意义。然而，在制造过程中，作业处理时间通常是不确定和多变的。本文提出了一种以模糊处理时间 (MOFFJSP) 为目标的多目标 FJSP，用于优化制造时间和总机器工作量。针对 MOFFJSP 问题，提出了一种基于强化学习的 MOEA/D，名为 RMOEA/D。RMOEA/D 可以表现为： i) 使用具有三个规则的初始策略来获得高质量的初始种群；ii) 提出了一种基于 Q-learning 的参数自适应策略来引导种群选择最佳参数以增加多样性；iii）基于强化学习的可变邻域搜索旨在引导解决方案选择正确的局部搜索方法；iv)精英档案用于提高废弃历史解的使用率。实验结果表明 RMOEA/D 优于当前最先进的五种算法。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除