(1)以晶圆在每个加I模块上的加工时问作为编码,将加工时间作为搜索对象,通过 P4SMA160A各种启发式算法调整其取值组合,从而得到问题的满意解。基于这种求解思路的计算智能算法在计算时间上具有一定的优势,但由于加工时间可以是连续时间窗口内的任意值,搜索空间非常大,算法容易陷入局部收敛,较难获得高质量的解。

   (2)以机械手搬运作业序列为编码,将有限的搬运作业序列作为搜索对象,通过不断调整搬运作业排序来获得问题的满意解。基于这种求解思路的计算智能算法是将有限的搬运作业排序组合作为问题搜索空间,从而大大缩小算法的搜索纬度,但算法很难保证产生个体的可行性,并且在问题建模和个体优劣评价上都具有较高复杂度。该编码也同样适合于晶圆调度序列。

   现有文献提出的各种调度方法,大部分都基于线性规划和分支定界等隐枚举方法。由于调度问题具有NP-hard特性,部分文献研究遗传算法、模拟退火等传统智能优化算法在大规模调度问题中的应用。但集束型装备结构和晶圆流模式的日益复杂化,要求有更加智

能和通用的调度优化方法。融合调度问题结构特征信息的新型智能优化算法,如量子进化算法、混沌搜索技术、约束满足优化技术及结合多种智能算法优势的混合算法,将是今后的研究方向之一。