基于邻域搜索的迭代贪婪算法在带序列依赖设置时间的分布式置换流水车间节能调度中的应用研究

为解决分布式置换流水车间调度中能耗高与生产效率冲突的问题，研究人员提出了一种结合邻域搜索的迭代贪婪算法(IGBNS)。该研究创新性地设计了内块交换、块间交换和节能算子，并引入帕累托前沿图判断的自适应局部搜索策略，在612组实例测试中显著降低了总流程时间(TF)和总能耗(TEC)，为制造业低碳化生产提供了高效解决方案。

　　

在全球制造业面临低碳转型的背景下，传统集中式生产模式逐渐被分布式生产网络取代，但多工厂协同调度带来的能耗激增问题日益突出。带序列依赖设置时间(SDST)的分布式置换流水车间(DPFSP)因机器准备时间与加工顺序强相关，使得节能调度成为NP难问题。现有研究往往单独优化生产效率或能耗指标，难以平衡总流程时间(TF)与总能耗(TEC)的冲突。武汉科技大学的研究团队在《Expert Systems with Applications》发表的研究中，提出了一种基于邻域搜索的迭代贪婪算法(IG_BNS)，为这一难题提供了创新解决方案。

研究采用三项关键技术：1) 基于完工时间的NEH_B_IBSO启发式算法生成初始解；2) 设计内块交换(IBSO)、块间交换和节能算子构建邻域搜索策略；3) 引入帕累托前沿图判断的自适应局部搜索机制。通过612组实例验证，算法在90.4%案例中优于对比方法。

主要研究结果

1. NEH_B_IBSO启发式设计：通过内块交换算子改进经典NEH启发式，初始解质量较NEHFF2_SAS等基准方法提升23.6%。
2. IG_BNS算法框架：融合破坏-重建机制与三阶段邻域搜索，使TF和TEC的协同优化效率比传统IG算法提高37.2%。
3. 自适应局部搜索：基于帕累托前沿动态调整搜索强度，在Dongbei-Liaohe实例集中将非支配解数量提升至58组。

结论与意义
该研究首次将SDST约束与多目标节能调度结合，提出的IG_BNS算法通过模块化算子设计实现了：1) 加工序列优化与能耗控制的动态平衡；2) 机器空闲时段的高效电能管理。实验表明算法在20工厂×50工件规模下仍保持计算效率，为离散制造业低碳转型提供了可落地的调度工具。研究团队指出，未来可进一步集成深度学习预测模型，以应对动态订单场景下的实时调度需求。