基于强化学习的改进NSGA-Ⅱ求解柔性作业车间节能调度问题

针对绿色制造背景下的柔性作业车间调度问题,建立以最小化完工时间、机器负荷及车间能耗为目标的多目标整数规划模型,并提出一种基于强化学习中的Q学习(Q-learning)的改进快速非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)进行求解。首先,采用多启发式算法初始化种群以平衡机器负荷,引入精英库实现双策略混合交叉以提升种群质量。其次,根据种群度量指标构建强化学习状态空间并通过Q-learning训练调整混合交叉比例,保证种群的分布均匀性和多样性,避免算法早熟。最后,通过不同规模的Kacem和Brandimarte基准算例及关于汽车发动机冷却系统零/部件制造的生产实例,对算法性能进行分析评估,验证了模型和算法在求解柔性作业车间调度节能问题的有效性以及在平衡机器负荷和能耗指标上的优越性。