基于增强模因算法的带群组处理特征新型两阶段流水车间调度优化研究

《Engineering Applications of Artificial Intelligence》：An enhanced memetic algorithm for a novel two-stage flow shop scheduling problem with group processing features

本文针对钢铁工业热轧生产中的新型两阶段流水车间调度问题展开研究。第一阶段采用带FIFO规则和容量约束的同步加工机器，第二阶段引入群组处理机制。研究建立了最小化完工时间的MILP模型，提出融合贪婪解码策略和五类邻域算子的增强模因算法（EMA）。实验表明该算法在解决该NP-hard问题上显著优于传统元启发式方法，为智能制造调度提供了新思路。

　　

【章节亮点】

本部分通过定义"块"概念和设计重置机制，系统阐述了增强模因算法（EMA）的创新架构。算法采用混合编码方案与问题专属的邻域算子，有效平衡全局探索与局部开发能力。

【实验设计】

由于该研究领域缺乏标准测试集，我们结合中国大型钢企宽厚板轧制车间的真实生产数据，生成包含n∈{4,6,8,20,50,100,150,500}不同规模的工作实例。第一台机器M₁的处理容量设置为C=?n/3?，确保实验既具工业代表性又满足算法验证需求。

【结论】

本研究攻克了钢铁工业热轧流程中亟待解决的新型两阶段调度难题。通过构建MILP模型和推导三大最优解性质，开发出融合混合初始化策略与自适应局部搜索的EMA算法。实验证明该算法在大规模实例中具有显著优越性，为智能调度实践提供了可靠方法论支撑。

【作者贡献声明】

袁帅鹏：负责原始稿件撰写、方法论构建与概念化；王柏林：参与稿件修订与数据管理；裴艺涵：完成调研工作；李铁科：负责项目监督、稿件修订与资金管理。

【利益冲突声明】

所有作者声明不存在可能影响研究结果的财务利益或个人关系冲突。

【致谢】

本研究受国家自然科学基金（项目编号72301026、71701016）、教育部人文社科基金（编号23YJA630090）以及中央高校基本科研业务费（编号FRF-TP-24-026A）资助。