In a typical discrete manufacturing process, a new type of reconfigurable production line is introduced, which aims to help small- and mid-size enterprises to improve machine utilization and reduce production cost. In order to effectively handle the production scheduling problem for the manufacturing system, an improved multi-objective particle swarm optimization algorithm based on Brownian motion (MOPSO-BM) is proposed. Since the existing MOPSO algorithms are easily stuck in the local optimum, the global search ability of the proposed method is enhanced based on the random motion mechanism of the BM. To further strengthen the global search capacity, a strategy of fitting the inertia weight with the piecewise Gaussian cumulative distribution function (GCDF) is included, which helps to maintain an excellent convergence rate of the algorithm. Based on the commonly used indicators generational distance (GD) and hypervolume (HV), we compare the MOPSO-BM with several other latest algorithms on the benchmark functions, and it shows a better overall performance. Furthermore, for a real reconfigurable production line of smart home appliances, three algorithms, namely non-dominated sorting genetic algorithm-II (NSGA-II), decomposition-based MOPSO (dMOPSO) and MOPSO-BM, are applied to tackle the scheduling problem. It is demonstrated that MOPSO-BM outperforms the others in terms of convergence rate and quality of solutions.

中文翻译：

---

智能家电的多目标可重构生产线调度

在典型的离散制造过程中，引入了一种新型的可重构生产线，旨在帮助中小型企业提高机器利用率并降低生产成本。为了有效地解决制造系统的生产调度问题，提出了一种改进的基于布朗运动的多目标粒子群优化算法（MOPSO-BM）。由于现有的MOPSO算法很容易陷入局部最优状态，因此基于BM的随机运动机制提高了该方法的全局搜索能力。为了进一步增强全局搜索能力，包括了一种将惯性权重与分段高斯累积分布函数（GCDF）拟合的策略，这有助于保持算法的优良收敛速度。基于常用的指标世代距离（GD）和超体积（HV），我们将MOPSO-BM与基准函数上的其他几种最新算法进行了比较，它显示了更好的整体性能。此外，对于一条真正可重构的智能家电生产线，采用三种算法，即非主导排序遗传算法-II（NSGA-II），基于分解的MOPSO（dMOPSO）和MOPSO-BM，来解决调度问题。 。事实证明，在收敛速度和解决方案质量方面，MOPSO-BM优于其他同类产品。对于一条真正可重构的智能家电生产线，采用了三种算法，即非主导排序遗传算法-II（NSGA-II），基于分解的MOPSO（dMOPSO）和MOPSO-BM，来解决调度问题。事实证明，在收敛速度和解决方案质量方面，MOPSO-BM优于其他同类产品。对于一条真正可重构的智能家电生产线，采用了三种算法，即非主导排序遗传算法-II（NSGA-II），基于分解的MOPSO（dMOPSO）和MOPSO-BM，来解决调度问题。事实证明，在收敛速度和解决方案质量方面，MOPSO-BM优于其他同类产品。