車間作業(yè)調(diào)度jobshopscheduling講解(完整版)
【正文】 ob shop scheduling問題的實際應(yīng)用是非常廣泛的。在 Jobshop中，對所有機器上的每個工件都考慮其領(lǐng)域結(jié)構(gòu)，效率是非常低下的 ,也可能導(dǎo)致不可行解的產(chǎn)生。 ?迭代局部搜索算法：結(jié)合跳坑策略形成的算法。 ? Jobshop中常用的禁忌對象：若 JA 插入 JB之后，則將 JA和 JB之間的所有工序的排列和在機器上的位置禁忌住，標記在禁忌列表 (Tabu_List)里。 ?種群（ population） 染色體帶有特征的個體的集合稱為種群。 ?變異（ mutation） 在細胞進行復(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。 遺傳算法流程 Step1. 初始化種群（采用隨機策略） Step2. 隨機選擇兩個個體交叉，產(chǎn)生新個體加 入到種群。 Step4. 沒有到達終止條件，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，集合了局部搜索強大的集中性 以及 遺傳算法強大的分散性。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 ?適應(yīng)度（ fitness） 在研究自然界中生物的遺傳和進化現(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。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展，特別是近年來世界范圍形成的進化計算熱潮，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。 ? 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。 ?關(guān)鍵路徑：調(diào)度序列中的最長路徑，它制約著整個調(diào)度的完工時間。 但就目前來看： (1)由于 JobSh
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1