The hybrid flow shop scheduling problem is one of the most relevant optimization problem in manufacturing industry. In this paper, we investigate the blocking hybrid flow shop scheduling problem under the constraint of sequence dependent setup time. The objective is to minimize the total tardiness and earliness with uniform parallel machines under the constraint of sequence dependent setup time. To solve this kind of problems, significant developments of new meta-heuristic algorithms make it possible to implement new metaheuristics inspired by the behavior of living beings or natural phenomena. In this context, we suggest six algorithms based on the migratory bird optimization and the water wave optimization algorithms. We give three new versions for each meta-heuristic in order to solve this optimization problem. The main improvement of the suggested algorithms concerns the exploration phase of the neighborhood system. The enhancement approaches are based on the iterated greedy algorithm, the greedy randomized adaptive search procedure, the path relinking technique and the local search procedures. These modifications in the two nature inspired meta-heuristics make it possible to develop a new neighborhood generation structure constituting hybrid optimization algorithms. A comparative study between the different proposed methods is carried out on a variety of problems ranging from small to relatively large size instances. The simulations show good performances recorded by the water wave optimization algorithm in term of quality and convergence speed towards the best solution.

混合流水车间调度问题是制造业中最相关的优化问题之一。在本文中，我们研究了依赖序列的建立时间约束下的混合流水车间调度问题。目的是在依赖于序列的建立时间的约束下，使用统一的并行计算机将总拖延和早期性最小化。为了解决这类问题，新的元启发式算法的重大发展使得有可能实施受生物行为或自然现象启发而产生的新的元启发式算法。在这种情况下，我们提出了六种基于候鸟优化和水波优化算法的算法。我们为每种元启发式算法提供了三个新版本，以解决此优化问题。建议算法的主要改进涉及邻域系统的探索阶段。增强方法基于迭代贪婪算法，贪婪随机自适应搜索过程，路径重新链接技术和本地搜索过程。对两种自然启发式元启发式方法的这些修改使开发构成混合优化算法的新邻域生成结构成为可能。针对从小到大型实例的各种问题，进行了不同提议方法之间的比较研究。仿真结果表明，在优化解决方案的质量和收敛速度方面，水波优化算法记录了良好的性能。增强方法基于迭代贪婪算法，贪婪随机自适应搜索过程，路径重新链接技术和本地搜索过程。对两种自然启发式元启发式方法的这些修改使开发构成混合优化算法的新邻域生成结构成为可能。在从小型实例到大型实例的各种问题上，进行了不同提议方法之间的比较研究。仿真结果表明，在优化解决方案的质量和收敛速度方面，水波优化算法记录了良好的性能。增强方法基于迭代贪婪算法，贪婪随机自适应搜索过程，路径重新链接技术和本地搜索过程。对两种自然启发式元启发式方法的这些修改使开发构成混合优化算法的新邻域生成结构成为可能。针对从小到大型实例的各种问题，进行了不同提议方法之间的比较研究。仿真结果表明，在优化解决方案的质量和收敛速度方面，水波优化算法记录了良好的性能。对两种自然启发式元启发式方法的这些修改使开发构成混合优化算法的新邻域生成结构成为可能。针对从小到大型实例的各种问题，进行了不同提议方法之间的比较研究。仿真结果表明，在优化解决方案的质量和收敛速度方面，水波优化算法记录了良好的性能。对两种自然启发式元启发式方法的这些修改使开发构成混合优化算法的新邻域生成结构成为可能。在从小型实例到大型实例的各种问题上，进行了不同提议方法之间的比较研究。仿真结果表明，在优化解决方案的质量和收敛速度方面，水波优化算法记录了良好的性能。