Abstract This paper addresses a problem regarding the joint decision of process planning and scheduling in the context of a distributed flexible job shop (DFJS). The joint decision is called integrated process planning and scheduling (IPPS). Therefore, the problem is called an IPPS/DFJS problem. This research develops a genetic algorithm (called GA_X) to solve the IPPS/DFJS problem. The GA_X algorithm is meritorious insofar as it entails the development of an incomplete modeling scheme (chromosome Φ s ) to represent an IPPS/DFJS solution. In chromosome Φ s , only some decisions are explicitly modeled, and the remaining decisions are implicitly determined using heuristic rules that ensure load balancing among manufacturing resources. Therefore, GA_X generates load-balanced solutions and is more likely to search effectively. We optimize the genetic parameters of GA_X by conducting a full factorial experiment. Three experiments are conducted to compare GA_X with other algorithms. Experiment I involves two light-loading IPPS/DFJS instances. Experiment II involves 15 light-loading IPPS/flexible job shop (FJS) instances (degenerated cases of IPPS/DFJS problems). Experiment III involves 17 heavy-loading IPPS/DFJS instances. GA_X outperforms benchmark algorithms, and Φ s (the proposed incomplete chromosome representation) has considerable merit. This finding highlights a promising direction in developing “incomplete solution representation schemes” when solving complex space-search problems with genetic or other metaheuristic algorithms.

中文翻译：

---

分布式灵活作业车间的流程规划和调度集成

摘要 本文解决了在分布式灵活作业车间 (DFJS) 背景下过程计划和调度的联合决策问题。联合决策称为集成过程计划和调度 (IPPS)。因此，该问题称为 IPPS/DFJS 问题。本研究开发了一种遗传算法（称为 GA_X）来解决 IPPS/DFJS 问题。GA_X 算法是有价值的，因为它需要开发不完整的建模方案（染色体 Φ s ）来表示 IPPS/DFJS 解决方案。在染色体 Φ s 中，只有一些决策被显式建模，其余的决策是使用启发式规则隐式确定的，以确保制造资源之间的负载平衡。因此，GA_X 生成负载均衡的解决方案，更有可能进行有效搜索。我们通过进行全因子实验来优化 GA_X 的遗传参数。进行了三个实验来比较 GA_X 与其他算法。实验 I 涉及两个轻载 IPPS/DFJS 实例。实验二涉及 15 个轻载 IPPS/柔性加工车间 (FJS) 实例（IPPS/DFJS 问题的退化案例）。实验三涉及 17 个重载 IPPS/DFJS 实例。GA_X 优于基准算法，并且 Φ s（提议的不完整染色体表示）具有相当大的优点。这一发现突出了在使用遗传或其他元启发式算法解决复杂空间搜索问题时开发“不完全解决方案表示方案”的一个有希望的方向。实验 I 涉及两个轻载 IPPS/DFJS 实例。实验二涉及 15 个轻载 IPPS/柔性加工车间 (FJS) 实例（IPPS/DFJS 问题的退化案例）。实验三涉及 17 个重载 IPPS/DFJS 实例。GA_X 优于基准算法，并且 Φ s（提议的不完整染色体表示）具有相当大的优点。这一发现突出了在使用遗传或其他元启发式算法解决复杂空间搜索问题时开发“不完全解决方案表示方案”的一个有希望的方向。实验 I 涉及两个轻载 IPPS/DFJS 实例。实验二涉及 15 个轻载 IPPS/柔性加工车间 (FJS) 实例（IPPS/DFJS 问题的退化案例）。实验三涉及 17 个重载 IPPS/DFJS 实例。GA_X 优于基准算法，并且 Φ s（提议的不完整染色体表示）具有相当大的优点。这一发现突出了在使用遗传或其他元启发式算法解决复杂空间搜索问题时开发“不完全解决方案表示方案”的一个有希望的方向。和 Φ s（提议的不完整染色体表示）具有相当大的优点。这一发现突出了在使用遗传或其他元启发式算法解决复杂空间搜索问题时开发“不完全解决方案表示方案”的一个有希望的方向。和 Φ s（提议的不完整染色体表示）具有相当大的优点。这一发现突出了在使用遗传或其他元启发式算法解决复杂空间搜索问题时开发“不完全解决方案表示方案”的一个有希望的方向。