摘要： 为缩短车间完工时间、降低加工能耗，构建了以完工时间和加工能耗为优化目标的多目标柔性车间调度模型，提出基于模糊权重的双种群混合遗传算法(Dual-population Hybrid Genetic Algorithm based on Fuzzy Weight, FW-DHGA)求解该模型。针对传统双链编码在遗传操作中交叉困难、操作复杂等问题，设计了基于机器选择的多维模糊权重编码(Multi-Dimensional Fuzzy Weight coding, MDFW)方法。基于该编码方法，以机器空闲时间最少为准则，提出贪婪权重搜索法(Greedy Weight Search, GWS)对其进行解码。根据个体质量系数进行种群分割，设计分种群自适应交叉变异机制，保护优质解的同时维持种群多样性。提出基于机器拥挤度(Machine Crowding Degree, MCD)的优化机制提高劣质种群质量，加快算法寻优速度。对优质种群采用模拟退火(Simulated Annealing, SA)算法进行局部搜索，减少局部最优解的产生。通过实验仿真，证明了新编码方法以及算法的有效性。

关键词: 柔性车间调度; 遗传算法; 编解码方法; 自适应机制; 机器拥挤度; 模拟退火

中图分类号: 

• TH165

• TP18