云制造模式下多目标柔性作业车间调度研究

为了解决实现云制造模式过程中的柔性作业车间调度问题，在进化算法的基础上提出了IM-MOEA/D算法。该算法为了减少运算，种群使用双编码模式，初始化种群分两步策略和六种规则，采用两类五种变邻域搜索并设置搜索阈值，以提升算法的全局和局部迭代寻优能力。最后用算例验证了IM-MOEA/D算法的有效性，有助于改善云制造环境下柔性作业车间调度的制造效率。     

改进MOEA/D算法求解多目标模糊柔性车间调度问题

针对模糊柔性作业车间调度问题中关于求解多目标优化的研究中,利用模糊数表示相关参数,以最小化最大完工时间、总机器负载和最大机器负载为优化目标,提出一种改进MOEA/D算法的权重向量和初始化种群,以优化全局更新配对策略的多目标分解进化算法（I-MOEA/D）,以提高算法寻优能力。与MOEA/D、NSGA-Ⅱ和NSGA-Ⅲ算法相比,该方法优于其他算法,同时引入企业工程实例进行分析,证明I-MOEA/D算法具备良好的收敛性和分布性。