近日，计算机学院韩玉艳老师团队在进化计算领域顶级学术期刊《IEEE Transactions on Evolutionary Computation》（中科院1区Top，影响因子为14.3）上发表研究论文“Sustainable Scheduling of Distributed Flow Shop Group: A Collaborative Multi-objective Evolutionary Algorithm Driven by Indicators”（DOI: 10.1109/TEVC.2023.3339558.）。论文第一作者为硕士研究生王宇航，韩玉艳副教授、王玉亭副教授为通讯作者，上海大学潘全科教授和清华大学王凌教授参与并指导该研究。beat365手机版官方网站为论文第一署名单位。

　　当前不断升级的市场需求提高了对生产模式、多区域和多目标的灵活性的要求，而印刷电路板表面贴装过程（Printed Circuit Board Surface Mount Process，PCB-SMP）就是典型的以流水车间为基础，以单元制造为生产模式的实际应用。在生产车间中，通常配置多条相同的生产线，在任意一条生产线上顺序完成印刷，SPI检测，贴片，回流焊接，AOI检测等工序。针对这一问题，研究团队提出一种指标驱动的协同多目标进化算法，通过采用可持续调度的方式，解决具有序列依赖设置时间的分布式流车间成组调度问题，并同时优化最大完工时间和总能耗。

　　首先，通过分析复杂的问题特征建立该问题的数学模型并根据Gurobi求解器验证模型的正确性。

　　随后，引入指标驱动的协同多目标进化算法（CMOEA/I），在算法中，根据分而治之的思想，将问题分解成多个耦合子问题，开发一种基于种群的协作模型将子问题分别有效求解，同时，通过分析子问题间的内在联系，设计一系列将工厂、组和工件有效衔接的局部搜索算子（如图2所示）。

　　此外，在多目标优化中为了得到收敛性好且分布均匀的帕累托最优解集，提出基于指标驱动的解的选择方法（如图3所示），首先基于收敛性指标使解接近帕累托前沿，然后基于分布性指标结合小生境技术对解进行及时有效的筛选并更新。

　　为了进一步探索潜在的非支配解，提出一种新型的变速策略，与以往大多数的变速策略不同的是，不单单从降速节能的角度来探索非支配解，而是基于降速节能和提速降低最大完工时间这两个原则，进一步得到更好的非支配解（如图4所示）。

　　最后，在不同范围的测试实例上进行广泛的仿真实验。图5给出了所提CMOEA/I与其他先进的算法比较的结果，通过深入统计分析，验证了CMOEA/I的优越性。

　　韩玉艳副教授长期致力于进化计算、多目标优化、优化调度理论与方法、智能优化算法及其应用等领域研究，作为项目负责人主持/完成多项国家自然科学基金、山东省自然科学基金、聊城大学光岳青年学者创新团队等项目；在国内外重要学术期刊、国际会议发表论文40余篇，其中高被引2篇；获2023年山东省自然科学二等奖1项、2020年度山东省高等学校科学技术奖一等奖1项、2023年度青岛市自然科学一等奖1项、2022年度Complex System Modeling and Simulation期刊最佳论文、2022年度全球前2%顶尖科学家；兼任中国仿真学会智能仿真优化与调度专委会委员，中国人工智能学会自然计算与数字智能城市专业委员会委员，山东省人工智能学会委员。

　　论文链接：https://ieeexplore.ieee.org/document/10342736

（审核 贾保先）