Abstract The distributed manufacturing mode which is widely used in the modern manufacturing system often contains the different status of different workshops, called as the heterogeneous workshops. However, the existing work of distributed shop scheduling assume that there are identical workshops, which lacks the consideration of practical constraints about heterogeneous workshops. Therefore, this paper firstly focuses on the distributed heterogeneous hybrid flowshop scheduling problem (DHHFSP) with unrelated parallel machines (UPM) and the sequence-dependent setup time (SDST). This is a typical NP-hard problem which is quite hard to be solved. This paper designs a machine position-based mathematical model and proposes an improved artificial bee colony (IABC) algorithm for this problem. The proposed IABC employs a two-level encoding and a decoding method of the machine selection to ensure feasible schedules. The IABC adopts the factory assignment rule and greedy iterative strategy to generate high quality initial solutions. And the IABC adopts solutions update techniques: the local exploitation around critical factories, a hybrid search strategy combines the advantages of simulated annealing (SA) and a retention mechanism. These techniques can keep the diversity of solution space and enhance the computational efficiency. There are 320 instances randomly generated and used to verify the performance of the IABC. Through the comparison with the reported state-of-the-art algorithms, the effectiveness of proposed IABC is shown clearly.

中文翻译：

---

具有序列相关设置时间的分布式异构混合流水车间调度问题的改进人工蜂群算法

摘要 现代制造系统中广泛使用的分布式制造模式往往包含不同车间的不同地位，称为异构车间。然而，现有的分布式车间调度工作假设有相同的车间，缺乏对异构车间实际约束的考虑。因此，本文首先关注具有无关并行机（UPM）和序列相关设置时间（SDST）的分布式异构混合流水车间调度问题（DHHFSP）。这是一个典型的 NP-hard 问题，很难解决。本文设计了一种基于机器位置的数学模型，并针对该问题提出了一种改进的人工蜂群（IABC）算法。提议的 IABC 采用两级编码和机器选择的解码方法来确保可行的调度。IABC 采用工厂分配规则和贪婪迭代策略来生成高质量的初始解决方案。IABC采用解决方案更新技术：关键工厂周围的本地开发，混合搜索策略结合了模拟退火（SA）和保留机制的优点。这些技术可以保持解空间的多样性，提高计算效率。随机生成了 320 个实例，用于验证 IABC 的性能。通过与报告的最先进算法的比较，可以清楚地显示所提出的 IABC 的有效性。IABC 采用工厂分配规则和贪婪迭代策略来生成高质量的初始解决方案。IABC采用解决方案更新技术：关键工厂周围的本地开发，混合搜索策略结合了模拟退火（SA）和保留机制的优点。这些技术可以保持解空间的多样性，提高计算效率。随机生成了 320 个实例，用于验证 IABC 的性能。通过与报告的最先进算法的比较，可以清楚地显示所提出的 IABC 的有效性。IABC 采用工厂分配规则和贪婪迭代策略来生成高质量的初始解决方案。IABC采用解决方案更新技术：关键工厂周围的本地开发，混合搜索策略结合了模拟退火（SA）和保留机制的优点。这些技术可以保持解空间的多样性，提高计算效率。随机生成了 320 个实例，用于验证 IABC 的性能。通过与报告的最先进算法的比较，可以清楚地显示所提出的 IABC 的有效性。混合搜索策略结合了模拟退火 (SA) 和保留机制的优点。这些技术可以保持解空间的多样性，提高计算效率。随机生成了 320 个实例，用于验证 IABC 的性能。通过与报告的最先进算法的比较，可以清楚地显示所提出的 IABC 的有效性。混合搜索策略结合了模拟退火 (SA) 和保留机制的优点。这些技术可以保持解空间的多样性，提高计算效率。随机生成了 320 个实例，用于验证 IABC 的性能。通过与报告的最先进算法的比较，可以清楚地显示所提出的 IABC 的有效性。