一种用于车间调度基于熵混合遗传算法.pdfVIP

华南理工大学学报(自然科学版) JournalofSouthChina of V01．37No．9 第37卷第9期 UniversityTechnology Science 2009 2009年9月 (Natural Edition) September 一种用于车问调度的基于熵的混合遗传算法水 陈耀军 姚锡凡张庆 (华南理工大学机械与汽车工程学院，广东广州510640) 摘要：为提高车间调度算法的寻优性能，通过对模拟退火遗传算法收敛图的研究，提出 了评价算法种群有序性(差异性)的种群熵．基于种群熵，提出了改进的模拟退火遗传算 法．该混合算法通过种群熵动态地改变算法的交叉和变异概率，使之适应种群的变化，提 高种群个体的多样性，克服算法的过早收敛，从而达到提高算法寻优性能的目的．仿真实 例表明：所提出的算法的寻优性能有了显著的提高；与传统遗传算法相比，在相同的初始 条件与收敛条件下，对于FTIO问题，最优结果由998优化至930，偏差由9．78％减少到了 359优化至l 1．94％；对于LA36问题，最优结果由l 278，偏差由10．29％减少到了 2．97％． 关键词：遗传算法；模拟退火算法；种群熵；车间调度；混合算法 165 中图分类号：TH 文献标识码：A 提高了算法的寻优性能．但由于通常GASA算法中 Job。Shop调度问题是制造系统研究中的重点和 热点之一，属于典型的NP-Hard问题¨3．正因为此各关键参数是预先选定的，不能根据实际情况进行 问题的复杂性与重要性，几十年来，研究者们对其进 调整，因而其寻优性能有进一步提升的空间．图l为 行了不断的探索与研究，先后提出了上百种调度方 GASA算法的种群收敛图，种群数为100，图中，以经 法．目前，结合已有方法的混合优化算法一定程度上 已成为调度问题，乃至复杂优化问题的有效解决途 径B咱J，遗传算法与模拟退火算法相结合的混合遗 10台机器，求解最大完成时间最小)为例，圆心和每 传算法(GASA)就是其中之一．它通过结合遗传算法个圆代表一个时间，其时间值从内往外分别是930 的群体寻优功能和模拟退火算法的深度寻优功能，使 1 1 1 1 得算法的寻优性能有了显著的提高¨{J．文中通过对 050，110、1170，1230、1290l350，1410l470，． GASA算法收敛图的研究，提出使用熵来评估算法种 群的有序性，动态地改变GASA算法的交叉和变异概 率，最大限度地有效提高种群的多样性，克服算法过 作地图上的等高线；黑点代表一个染色体，其在种群 早收敛问题。从而提高算法的寻优性能． 收敛图上的位置由其适应值即调度方案的最大完成 时间所决定．例如，某染色体的适应值(最大完成时 1 熵的引入 间)为1320，则其落在第6个和第7个圆之间，半径 为其值与930的差值390，方向随机；又如某染色体 一般来讲，GASA算法是遗传算法(GA)、模拟 适应值为960，则其落在第1个圆内，半径为30，方