免疫遺傳算法解決車間調(diào)度問題.pdf

1、遺傳算法作為一種非確定性的擬生態(tài)隨機(jī)優(yōu)化算法,在過去20年中得到了廣泛的應(yīng)用,其具有不依賴于問題模型的特性、全局最優(yōu)性、隱含并行性等特點(diǎn),可以成功的應(yīng)用于工程優(yōu)化問題。本文設(shè)計(jì)了改進(jìn)的遺傳算法來解決旅行商問題和車輛調(diào)度問題,通過仿真試驗(yàn)證明是有效的。
　　作業(yè)車間調(diào)度問題是制造執(zhí)行系統(tǒng)研究的核心和重點(diǎn)之一,它對(duì)于提高企業(yè)的資源利用率、提高產(chǎn)品的質(zhì)量、縮短交貨期、降低生產(chǎn)成本、提高企業(yè)在市場(chǎng)經(jīng)濟(jì)中的競爭力具有重要的意義。由于實(shí)際作業(yè)

2、車間調(diào)度具有的復(fù)雜性、動(dòng)態(tài)隨機(jī)性、約束性多目標(biāo)等特點(diǎn),一般的算法難以解決這種NP難題。
　　基本的遺傳算法在解決車間調(diào)度問題上有迭代速度慢和早熟的現(xiàn)象,本文提出了基于動(dòng)態(tài)疫苗庫的免疫遺傳算法解決車間調(diào)度問題。該算法在不斷的調(diào)整基因庫和進(jìn)行疫苗的接種的過程中來判斷基因庫中基因片段的優(yōu)劣,以此來不斷的動(dòng)態(tài)地調(diào)整疫苗庫,使得更好的疫苗進(jìn)入疫苗庫中,更好的指導(dǎo)種群的進(jìn)化。該算法正是充分利用了進(jìn)化過程中的后驗(yàn)知識(shí),使得整個(gè)群體向好的模式發(fā)展