車間作業(yè)調度jobshopscheduling講解(參考版)
2025-05-16 13:26本頁面
【正文】 在 165個標準算例中，能夠算出 31個新的上界。 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。 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，產生新個體加 入到種群?？梢愿郊由蟼€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。因此為方便起見，本文在以后的應用中用此方法?；谶@個共同特點， Goldberg總結出了一種統(tǒng)一的最基本的遺傳算法 ——基本遺傳算法（ Simple Geic Algorithm,簡稱 SGA）。 ?變異（ mutation） 在細胞進行復制時可能以很小的概率產生某些復制差錯，從而使 DNA發(fā)生某種變異，產生出新的染色體，這些新的染色體表現(xiàn)出新的性狀。 遺傳算法基本概念和術語 ?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。 ?選擇（ selection） 指決定以一定的概率從種群中選擇若干個體的操作。 遺傳算法基本概念和術語 ?適應度（ fitness） 在研究自然界中生物的遺傳和進化現(xiàn)象時，生物學家使用適應度這個術語來度量某個物種對于生存環(huán)境的適應程度。 ?種群（ population） 染色體帶有特征的個體的集合稱為種群。下面先給出幾個生物學的基本概念與術語，這對于理解遺傳算法是非常重要的。梅隆大學召開的第一屆國際遺傳算法會議 (International Conference on Geic Algorithms:ICGA’85),到 1997年 5月 IEEE Transactions on Evolutionary Computation創(chuàng)刊 ,遺傳算法作為
范文總結相關推薦
鄂ICP備17016276號-1