报告题目：分布式流水车间调度问题的进化算法和 Q-learning

报告所属学科：管理科学与工程

报告人：玄光男Mitsuo Gen（模糊逻辑系统研究所&东京理科大学）

报告时间：2024年5月14日 15:00-17:00

报告地点：经管学院A302室

报告摘要：

现实世界中许多复杂设计问题的应用都可以建模为优化问题。这些问题通常具有多模式、动态、不连续性和非线性等复杂特征。这些问题属于组合优化问题（COPs），具有更复杂的结构、非线性约束、多目标和不确定性。由于 COPs 具有 NP 难度，传统方法难以解决这些问题。作为最典型的调度问题之一，柔性作业车间调度问题（FJSP）是对作业车间和并行机器环境的概括，它提供了更接近实际的制造和物流系统。

为了针对 NP 难多目标 COPs 开发一种计算时间合理的高效算法，我们必须考虑：1）解的质量；2）计算时间；3）多目标 COP 非优势解的有效性。进化算法（EA）是一种基于种群的元启发式算法，是一种功能强大、应用广泛的随机搜索和优化技术，可有效解决工业工程问题中的各种 NP 难问题。

一般来说，车间调度问题（JSP）和流程车间调度问题（FSP）都是NP难问题之一。针对柔性 JSP（FJSP）问题开发了多种进化算法，FJSP 是该问题的扩展版本。作为应用研究，它在各种半导体器件生产调度问题上的应用正备受关注。在本讲座中，我们将介绍一种利用先进进化算法和强化学习的混合算法的研究和开发，以及将其应用于分布式异构流车间调度问题的实例。

报告人简介：

模糊逻辑系统研究所高级学者，东京理科大学客座教授。日本工学院大学工学博士、京都大学信息学博士，曾为日本早稻田大学全职教授、加利福尼亚大学伯克利分校、台湾清华大学等访问教授。主要研究领域包把进化计算、智能制造调度与物流系统，是进化计算领域的知名专家。现任计算机与工业工程》（Computers & Industrial Engineering）的领域编辑和《工业工程前沿》（Frontiers in Industrial Engineering）的领域主编。已出版专著18部，包括1997年的《遗传算法与工程设计》和2000年的《遗传算法与工程优化》(均由约翰威利父子出版社出版，纽约);2008年的《网络模型与优化:多目标遗传算法方法》;以及2010年的《进化算法导论》(伦敦Springer出版社出版)。在IEEE Trans.on Reliability, IEEETrans.on Automation Science & Engineering, lEEE Trans.on SemiconductoManufacturing, lEEE Trans.on Fuzzy Systems, European J. of OperationaResearch, OR Spectrum, Soft Computing, Computers & Operations ResearchComputers & Industrial Engineering, Inter. J. of Production Research, inter. j. ofProduction Economics, Expert Systems with Applications, j, of IntelligentManufacturing等高水平期刊上发表论文350余篇，引用34000余次，h-index指数79。