日前，实验室联合新华三集团在可持续计算与绿色智能制造领域国际权威期刊《Sustainable Computing: Informatics and Systems》（SCI三区）发表了题为"A Learning-Driven Discrete Grey Wolf Optimizer with Knowledge Transfer for Energy-Aware Scheduling in Distributed Heterogeneous Type-2 Fuzzy Flexible Job Shops"的研究文章，提出了一种基于学习驱动的离散灰狼优化器（RDDGWO），将分布式异构二型模糊柔性作业车间调度中的能效优化问题转化为知识引导的协同搜索任务。该框架融合拓扑知识迁移机制与RainbowDQN自适应局部搜索，能够精准平衡调度方案的完工时间与总能耗之间的多目标权衡。研究成果为可持续智能制造系统的绿色调度与算力效率优化提供了重要理论支撑和方**参考。