近日，九江学院计算机与大数据科学学院彭虎教授团队在演化计算领域顶级期刊IEEE Transactions on Evolutionary Computation (TEVC)上发表题为“A Risk-Aware Dynamic Multi-objective Evolutionary Algorithm for Distributed Flexible Job Shop Scheduling with Machine Deterioration”的学术论文。该论文针对分布式柔性作业车间调度中机器性能退化与加工时间不确定性耦合导致的动态多目标优化难题，提出了一种风险感知动态多目标进化算法（RADEA）。

随着工业4.0和全球化制造的深入，分布式柔性作业车间调度（DFJSP）已成为实现绿色可持续制造的关键环节。然而，实际生产不仅面临机器持续劣化带来的性能衰减，还常常因设备状态、工人技能等因素导致加工时间高度不确定。传统调度模型多依赖确定性假设，难以刻画机器劣化与模糊加工时间之间的动态耦合关系，导致理论上最优的调度方案在实际执行中往往不可行。为此，该论文构建了集成机器劣化与Type-2模糊加工时间的动态分布式调度模型，并提出了风险感知动态多目标进化算法RADEA。设计了主动-反应可靠性治理（PR2G）机制，通过双环控制主动预测故障概率以触发预防性维护，同时量化环境漂移程度以自适应调整搜索强度；此外，还提出预测风险感知切比雪夫（PR-TCH）聚合函数，将未来风险量化融入选择过程，有效过滤脆弱调度，引导种群向稳定Pareto最优区域搜索。实验结果表明，RADEA在主动缓解质量风险和保持解多样性方面具有显著优势。

IEEE Transactions on Evolutionary Computation是演化计算领域顶级期刊之一、中科院SCI期刊大类一区Top期刊。

论文链接：https://ieeexplore.ieee.org/document/11670306

谭捷供稿

排版：魏东平 审核：邹国辉 董西伟