FJSP-T基准测试集：构建带AGV运输约束的柔性作业车间调度评估标准

1. FJSP-T基准测试集的核心价值

在智能制造和自动化生产领域，柔性作业车间调度问题（FJSP）一直是研究热点。而带AGV运输约束的柔性作业车间调度（FJSP-T）更是将问题复杂度提升到了新高度。这时候，一个可靠的基准测试集就显得尤为重要了。

我刚开始接触这个领域时，最头疼的就是找不到合适的测试数据。自己编造的数据往往过于理想化，而真实产线数据又涉及商业机密难以获取。这时候B&U和D&N这两个经典测试集就成了救命稻草。它们就像是一把标尺，让不同研究团队的工作有了可比性。

这两个测试集最厉害的地方在于，它们不仅考虑了传统的机器调度，还把AGV运输这个关键约束也纳入了评估体系。要知道在真实车间里，物料搬运时间可能占到总生产时间的30%以上。如果只优化机器调度而忽略运输环节，那算法在实际应用中很可能会"翻车"。

2. B&U测试集深度解析

2.1 测试集结构与特点

B&U测试集由Bilge和Ulusoy在1995年提出，可以说是FJSP-T领域的开山之作。这个测试集包含10个FJSP实例（虽然目前公开的只有9个）和4种不同的AGV运输布局。通过排列组合，总共可以生成40个FJSP-T测试用例。

每个实例文件的开头都有明确的参数说明。以FJSP1为例：

code复制5 4 2 %job number, machine number, AGV number
3 3 1 8 2 9 3 9 % Operation1: 3可选机器，机器1耗时8，机器2耗时9...

这个注释非常人性化，即使初学者也能快速理解数据格式。我建议大家在第一次使用时，可以先用小规模的FJSP1练手，等熟悉了再挑战更大的实例。

2.2 运输时间矩阵的玄机

B&U测试集最精妙的设计在于它的运输时间矩阵。比如Layout1中的：

code复制0 6 8 10 12 %M1到各机器的运输时间
12 0 6 8 10 %M2到各机器的运输时间
...

这个矩阵模拟了真实车间中机器间的物理距离。我在实际测试中发现，运输时间的设置对调度结果影响巨大。有些算法在忽略运输时间时表现优异，但一旦加入这个约束，性能可能直接下降30%。

3. D&N测试集的改进之处

3.1 对B&U的优化

Deroussi和Norre在2010年提出的D&N测试集可以看作是B&U的升级版。它保留了B&U的10个FJSP实例，但将AGV布局简化为1种，共生成10个测试用例。

这个简化看似退步，实则大有深意。在实际项目中我发现，过多的布局组合虽然增加了测试覆盖面，但也让算法评估变得复杂。D&N的改进让研究者能更聚焦于核心问题的解决。

3.2 实例难度提升

D&N的实例规模普遍比B&U大。比如它的FJSP1就有7个作业和8台机器：

code复制7 8 2 %job number, machine number, AGV number
3 2 1 16 2 16 %第一个工序有2台可选机器...

处理时间也明显更长，这对算法的扩展性提出了更高要求。我在测试遗传算法时发现，B&U实例可能几秒就能得出不错解，但D&N的实例往往需要几分钟才能收敛。

4. 基准测试的使用技巧

4.1 算法评估的黄金标准

这两个测试集之所以能成为行业标准，关键在于它们提供了完整的评估框架：

• 明确的输入格式
• 标准的输出要求
• 可比较的性能指标

我建议新手可以从这几个维度来评估算法：

1. 最大完工时间(makespan)
2. 计算时间
3. 解决方案稳定性
4. 对AGV约束的敏感度

4.2 常见踩坑点

在使用这些测试集时，我踩过不少坑，这里分享几个关键注意事项：

• 一定要严格遵循给定的运输时间矩阵。早期我为了简化模型，自己估算运输时间，结果导致算法在实际中完全失效。
• 注意AGV的数量约束。测试集中AGV数量是固定的（通常是2台），不能随意更改。
• 处理时间具有可选性。同一个工序在不同机器上的处理时间可能不同，这是FJSP的核心特点。

5. 测试集的局限与发展

虽然B&U和D&N已经成为经典，但它们也存在一些不足。最明显的就是规模偏小，与现代智能工厂的复杂度相比略显简单。我在实际项目中发现，当作业数超过50时，这些测试集的参考价值就会下降。

另一个问题是它们假设AGV运输时间是确定的。而在真实场景中，运输时间可能存在波动。这就需要研究者在标准测试基础上，适当加入随机因素进行鲁棒性测试。

最近几年，一些新研究开始尝试构建更大规模的测试集，并考虑更多现实约束，比如AGV充电时间、路径冲突等。但B&U和D&N作为奠基者，仍然是入门学习的最佳选择。