仿生進(jìn)化算法及其調(diào)度問題求解研究.pdf

1、調(diào)度問題是生產(chǎn)管理的一項(xiàng)重要內(nèi)容,對于有序組織生產(chǎn),充分發(fā)揮生產(chǎn)設(shè)備能力,提高生產(chǎn)效率具有重要作用.算法研究是生產(chǎn)調(diào)度問題的主要的研究內(nèi)容.仿生進(jìn)化算法是一類模擬自然界生物的遺傳和進(jìn)化理論發(fā)展起來的隨機(jī)搜索算法,其主要特點(diǎn)是群體搜索策略和個(gè)體之間的信息交換.隨著研究的深入和應(yīng)用技術(shù)的成熟,該類算法在求解諸多優(yōu)化問題上顯示出了特有的功用,成為研究的熱點(diǎn).該文簡述了調(diào)度問題、進(jìn)化算法的基本思想和發(fā)展?fàn)顩r.在綜述各類智能優(yōu)化算法的基礎(chǔ)上,以P

2、BIL(Population-Based Incremental Learning)算法為基礎(chǔ)算法,結(jié)合蟻群,免疫等算法機(jī)制,針對不同的調(diào)度問題展開研究.針對以最小化最大完工時(shí)間為目標(biāo)函數(shù)的并行Flow shop調(diào)度問題,構(gòu)造了問題的數(shù)學(xué)模型.根據(jù)問題的特點(diǎn)設(shè)計(jì)了求解的PBIL算法,經(jīng)過充分的計(jì)算實(shí)驗(yàn),對算法參數(shù)進(jìn)行了優(yōu)化配置,實(shí)驗(yàn)結(jié)果表明了算法在收斂性,穩(wěn)定性和尋優(yōu)準(zhǔn)確性方面達(dá)到良好的效果.引入蟻群算法中的正反饋和信息消逝機(jī)制,改進(jìn)了

3、PBIL算法單純基于學(xué)習(xí)概率的進(jìn)化尋優(yōu)過程.通過對Job Shop基準(zhǔn)問題進(jìn)行求解測試,比較了PBIL算法和改進(jìn)算法,表明了算法的有效性.免疫算法是一種基于生物體免疫系統(tǒng)原理新型計(jì)算方法.該文介紹了該算法的生物學(xué)基礎(chǔ)、原理及應(yīng)用狀況,將其應(yīng)用于求解Flow shop調(diào)度問題,表明了該算法的基于濃度的調(diào)節(jié)機(jī)制和多樣性抗體保持策略具有良好特性.在此基礎(chǔ)上,提出一種結(jié)合PBIL的免疫算法,以學(xué)習(xí)概率指導(dǎo)染色體基因位的取值并與基于染色體濃度的選