一种用于多机器人协作柔性作业车间调度的方法（GA-CP），该方法考虑了时间窗口约束

《JOURNAL OF INTELLIGENT MANUFACTURING》：A GA-CP method for multi-robot collaborative flexible job shop scheduling with time-window constraints

多机器人协作柔性车间调度问题研究，提出MILP、CP及GA-CP混合方法，动态迭代控制和自适应过滤机制有效提升求解精度，实验表明GA-CP在中小规模问题中优于传统算法，并具备动态调度扩展潜力。

　　

摘要

随着智能制造的快速发展，多机器人协作系统越来越多地应用于复杂的生产环境中。本研究探讨了一种多机器人协作柔性作业车间调度问题（FJSP），该问题的特点是加工时间可控且存在时间窗口约束。这种组合导致了一个复杂的NP难问题，对现有方法提出了重大挑战。为了解决这些挑战，本研究开发了两个混合整数线性规划（MILP）模型、一个约束编程（CP）模型以及一种混合遗传算法-约束编程（GA-CP）方法。为了提升GA-CP方法的性能，采用了两种新颖策略：动态迭代控制策略和用于过滤低潜力解的自适应淘汰机制。通过对96个基准案例和10个实际案例进行大量计算实验，验证了所提出的方法。结果表明，MILP模型能够为小规模问题提供准确的解决方案，但随着问题规模的增加，计算难度显著增加。相比之下，GA-CP方法在75个基准案例中找到了已知的最优解，并且始终优于单独的MILP和CP模型。与最近的自适应大邻域搜索算法框架（包括基于禁忌的组件处理方法和没有最优修复策略的ALNST方法以及变邻域搜索VNS方法）相比，GA-CP在中等规模和大规模问题上表现出更优的性能。此外，涉及新订单插入和机器故障的小规模动态实验表明，所提出的GA-CP方法可以为未来的动态调度扩展奠定基础。这些发现验证了将全局搜索与基于约束的局部优化相结合是一种有效且可扩展的策略，适用于具有多机器人协作和时间窗口约束的飞机蒙皮组件制造等复杂调度问题。