車間作業(yè)調(diào)度jobshopscheduling講解(文件)
【正文】 在細(xì)胞進(jìn)行復(fù)制時可能以很小的概率產(chǎn)生某些復(fù)制差錯，從而使 DNA發(fā)生某種變異，產(chǎn)生出新的染色體，這些新的染色體表現(xiàn)出新的性狀。因此為方便起見，本文在以后的應(yīng)用中用此方法。 遺傳算法流程 Step1. 初始化種群（采用隨機(jī)策略） Step2. 隨機(jī)選擇兩個個體交叉，產(chǎn)生新個體加 入到種群。在 165個標(biāo)準(zhǔn)算例中，能夠算出 31個新的上界。 Step4. 沒有到達(dá)終止條件，就 Goto Step 2. Hybrid Evolution AlgorithmMemetic Memetic Algorithm:將 Local Search 的方法 融入到遺傳算法的框架之中，是一種混合了 Local Search and Geic Algorithm 的算法，集合了局部搜索強(qiáng)大的集中性 以及 遺傳算法強(qiáng)大的分散性。可以附加上個體之間的距離，保持交叉的兩個個體的分散性，避免近親的后果。基于這個共同特點， Goldberg總結(jié)出了一種統(tǒng)一的最基本的遺傳算法 ——基本遺傳算法（ Simple Geic Algorithm,簡稱 SGA）。 遺傳算法基本概念和術(shù)語 ?交叉（ crossover） 有性生殖生物在繁殖下一代時，兩個同源染色體通過交叉而重組，亦即在兩個染色體的某一相同位置處 DNA被切斷，其前后兩串分別交叉組合形成兩個新的染色體。 遺傳算法基本概念和術(shù)語 ?適應(yīng)度（ fitness） 在研究自然界中生物的遺傳和進(jìn)化現(xiàn)象時，生物學(xué)家使用適應(yīng)度這個術(shù)語來度量某個物種對于生存環(huán)境的適應(yīng)程度。下面先給出幾個生物學(xué)的基本概念與術(shù)語，這對于理解遺傳算法是非常重要的。隨后經(jīng)過 20余年的發(fā)展，取得了豐碩的應(yīng)用成果和理論研究的進(jìn)展，特別是近年來世界范圍形成的進(jìn)化計算熱潮，計算智能已作為人工智能研究的一個重要方向，以及后來的人工生命研究興起，使遺傳算法受到廣泛的關(guān)注。 ?禁忌對象：可以禁忌 完整的解，也可以禁忌 部分解 或是 領(lǐng)域動作。 ? Tabu Search : 將之前搜索過的解 禁忌，每次只選擇沒被禁忌的解或滿足解禁策略的解。 局部搜索算法的不足 ?當(dāng)遇到局部極值的時候， Local search 的算法將遇
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1