仿生進化算法及其調度問題求解研究.pdf

1、調度問題是生產(chǎn)管理的一項重要內容,對于有序組織生產(chǎn),充分發(fā)揮生產(chǎn)設備能力,提高生產(chǎn)效率具有重要作用.算法研究是生產(chǎn)調度問題的主要的研究內容.仿生進化算法是一類模擬自然界生物的遺傳和進化理論發(fā)展起來的隨機搜索算法,其主要特點是群體搜索策略和個體之間的信息交換.隨著研究的深入和應用技術的成熟,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.該文簡述了調度問題、進化算法的基本思想和發(fā)展狀況.在綜述各類智能優(yōu)化算法的基礎上,以P

2、BIL(Population-Based Incremental Learning)算法為基礎算法,結合蟻群,免疫等算法機制,針對不同的調度問題展開研究.針對以最小化最大完工時間為目標函數(shù)的并行Flow shop調度問題,構造了問題的數(shù)學模型.根據(jù)問題的特點設計了求解的PBIL算法,經(jīng)過充分的計算實驗,對算法參數(shù)進行了優(yōu)化配置,實驗結果表明了算法在收斂性,穩(wěn)定性和尋優(yōu)準確性方面達到良好的效果.引入蟻群算法中的正反饋和信息消逝機制,改進了

3、PBIL算法單純基于學習概率的進化尋優(yōu)過程.通過對Job Shop基準問題進行求解測試,比較了PBIL算法和改進算法,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)原理新型計算方法.該文介紹了該算法的生物學基礎、原理及應用狀況,將其應用于求解Flow shop調度問題,表明了該算法的基于濃度的調節(jié)機制和多樣性抗體保持策略具有良好特性.在此基礎上,提出一種結合PBIL的免疫算法,以學習概率指導染色體基因位的取值并與基于染色體濃度的選