車間作業(yè)調(diào)度jobshopscheduling講解-免費(fèi)閱讀
【正文】 Step3. 根據(jù)適應(yīng)度函數(shù)，對(duì)種群進(jìn)行維護(hù)，淘汰掉適應(yīng)度低的個(gè)體。 基本遺傳算法的實(shí)現(xiàn)方法 ?各種不同的遺傳算法都有相同的的特點(diǎn)，即通過對(duì)生物遺傳和進(jìn)化過程中選擇、交叉、變異機(jī)理的模仿，來完成對(duì)問題最優(yōu)解的自適應(yīng)搜索過程。該集合內(nèi)個(gè)體數(shù)稱為群體的大小。 遺傳算法概述 ?遺傳算法（ Geic Algorithms ,GA）研究的歷史比較短， 20世紀(jì) 60年代末期到 70年代初期，主要由美國(guó) Michigan大學(xué)的 John Holland與其同事、學(xué)生們研究形成了一個(gè)較完整的理論和方法，從試圖解釋自然系統(tǒng)中生物的復(fù)雜適應(yīng)過程入手，模擬生物進(jìn)化的機(jī)制來構(gòu)造人工系統(tǒng)的模型。 禁忌搜索 (Tabu Search) ?提出 : 由美國(guó)工程院院士，馮若依曼理論獎(jiǎng)獲得者Fred Glover 最先在 1986年提出 Tabu Search算法。通常是考慮基于關(guān)鍵路勁的領(lǐng)域結(jié)構(gòu)構(gòu)造方法。 遺傳算法在解 Jobshop調(diào)度問題方面的研究現(xiàn)狀 ? 由于 JobShop調(diào)度問題是一個(gè) NP難題 ， 而遺傳算法為求 NP難度問題的近似解提供了一種有效手段 ， 所以現(xiàn)在許多人都致力于用遺傳算法解決 Jobshop問題 ， 各有特點(diǎn) 。 J1: M1 M2 M3 J2: M3 M1 M2 J3: M2 M3 M1 工序 1 工序 2 工序 3 約束 ?工件上約束：每個(gè)工件上的工序只能在上一個(gè)工序執(zhí)行結(jié)束以后，才能開始執(zhí)行下一個(gè)工序。它的研究不僅具有重大的現(xiàn)實(shí)意義，而且具有深遠(yuǎn)的理論意義。每個(gè)工件以一定的 次序 在所有的機(jī)器上輪流加工。 Job—shop 調(diào)度問題的實(shí)際應(yīng)用 ?在解決實(shí)際問題的時(shí)候，“工件”和“機(jī)器”可以拓展成相應(yīng)的問題描述。 Neighborhood 局部搜索算法 ?從一個(gè)初始解開始，每次從領(lǐng)域結(jié)構(gòu)中選擇一個(gè)最好的 鄰居解 作為下一個(gè)初始解，迭代搜索解空間的過程。 局部搜索算法的不足 ?當(dāng)遇到局部極值的時(shí)候， Local search 的算法將遇到瓶頸，從而需要更多的策略或更好的算法跳出local optima。 ?禁忌對(duì)象：可以禁
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1