青岛大学商学院侯玉双团队在《计算机集成制造系统》发表论文《考虑订单运输时间的多目标分布式流水车间调度》，针对制造企业向多工厂分布式生产结构转型的趋势，提出一种融合生产调度与物流配送的协同优化方法。该研究构建了以最小化最大完工时间与总加权提前/拖期惩罚为目标的混合整数规划模型，并创新性地设计了多目标头脑风暴优化算法(MOBSO)，有效解决了分布式制造场景下的复杂调度难题。
随着市场竞争加剧与客户需求的多样化，传统“单工厂+独立仓储配送”的模式因库存成本高、响应滞后等弊端，已难以适应当今快速变化的供应链环境。分布式制造虽能通过多地协同生产提升效率，但也带来了新的挑战：如何在多工厂间合理分配工件?如何同步优化生产顺序与跨区运输?为此，研究团队将目光聚焦于“生产-分销”全链路，首次将订单运输时间纳入分布式流水车间调度模型。该模型不仅涵盖了工件在多个工厂内的加工顺序优化，还将分销阶段抽象为多车场车辆路径问题，实现了从生产到交付的端到端优化。
在算法层面，鉴于该问题属于NP-hard难题，传统精确算法难以在合理时间内求解大规模算例。研究团队提出了一种基于支配规则的自适应多目标头脑风暴优化算法(MOBSO)。该算法摒弃了传统聚类方法的固定参数限制，通过非支配排序自适应划分解空间;同时，结合问题特征设计了两种交叉算子(顺序交叉与两点交叉)及四种邻域搜索结构(包括关键工厂内外部交换与插入)，显著增强了算法的全局勘探与局部开发能力。
实验验证环节，团队构建了包含24个不同规模(工件数30~120，工厂数2~4)的测试算例，并与NSGA-II、MOEA/D等四种主流多目标进化算法进行了激烈“PK”。结果显示，MOBSO在IGD(反世代距离)和HV(超体积)两项关键指标上均大幅领先对手，且在Wilcoxon符号秩检验中表现出显著优势。此外，在与数学规划软件CPLEX的对比中发现，当问题规模扩大时，MOBSO在求解速度与质量上均展现出压倒性优势。
这项研究不仅为制造企业提供了科学的分布式生产决策支持工具，也为智能制造系统中的生产物流协同优化提供了新的理论模型与高效算法范式，对推动制造业数字化转型具有重要的实践意义。
