机床与液压

作者：胡旭伦，唐红涛

单位：武汉理工大学机电工程学院；机器人与智能制造湖北省工程研究中心；武汉理工大学机电工程学院；机器人与智能制造湖北省工程研究中心；智能制造装备与技术全国重点实验室

关键词：分布式柔性作业车间;逆调度;蝗虫算法;Double Q-Learning机制

基金：国家自然科学面上项目(52475528)

针对分布式柔性作业车间中存在的资源分配不均和调度稳定性不足问题，构建以最小化最大完工时间、机器总能耗和偏离度为目标的逆调度数学模型，提出一种基于Double Q-Learning的改进多目标蝗虫优化算法（DQIGOA）。针对该问题设计一种混合三层编码方式；提出一种基于逆调度特点的种群初始化方式以提高种群质量；引入权重平衡因子来提高非支配解存档中解集的多样性；将强化学习中的Double Q-Learning机制融入非支配解的选择过程，通过动态动作策略优化目标解的选取，提升调度方案的全局搜索能力与局部优化效率。最后构建26组算例，通过策略有效性分析证明了所提策略可显著提升DQIGOA算法的性能，并通过与NSGA-II、DE和SPEA-II算法进行对比证明DQIGOA算法的有效性。结果表明：相比NSGA-II、DE和SPEA-II算法，DQIGOA算法在HV、IGD、SP指标上均有优势，证明了DQIGOA能够有效提升解的收敛速度和多样性分布，在动态扰动条件下表现出更强的鲁棒性。

来源：2025年第20期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第20期