基于遗传算法的生产调度.pdfVIP

基于遗传算法的生产调度 武汉华中科技大学控制科学与工程系!#$$% 摘 要：采用遗传算法解决生产调度问题的基本方法，并对算法的有效性进行了验证。 关键词：遗传算法 生产调度 染色体编码 遗传算子 遗传算法!#$!%%’() *+,-(’./#0 是模拟生物在自然 码、基于机器的编码等。本文的算法是基于机器的编码， 环境中遗传和进化过程而形成的一种自适应全局优化概 这种编码方式简单明了，具有半 1@3 /-?( 性 。但是解 率搜索算法 。 在搜索过程中使具有一定规模的种群 码过程较复杂。 1 23 !# 同时进行搜索，体现了一种隐含并行性，因此搜索效率比 个体适应度评价。适应度反映了对问题解的评估，本 较高，在优化领域中有比较广泛的应用。现在已经有学者 文采用全部加工任务完成的时间。在遗传算法中，以个体 将遗传算法应用于调度问题的求解，取得了一定的成果。 的适应度大小来确定该个体被遗传到下一代群体中的概 ! 问题的提出 率。个体的适应度越大，该个体被遗传到下一代的概率也 有 个任务 ，，……， 要在 台机床 ， 越大；反之越小。 ! 4 $5 2 6 !0 # $ $% 5 2 % ，……， 上进行加工。这 台机床的功能相同，每次只 遗传算子。常用的遗传算子有 A 种：选择算子、交叉 6 #0 # 能进行一个任务的非抢占式加工，即只有等到一个任务 算子、变异算子。 读入78! 图 加工完成后，才将机床资源释放，另一个任务再利用这个 遗传算法 的运行 参数。 ：群体大小，即 机床进行加工。每个任务所需要的加工时间为 ，准备时 $ 初始化种群E,;$,0 $,5F0 间为 。根据工艺要求，这些任务之间存在优先约束关 群体所含个体的数量； ’ 系，用 图表示。图 是 个 ) ：遗传运算的终止进 对种群中各状态进行评价 78!$9(-%)’%9 ):)*() +-;.0 2 化代数； ：交叉概率； 任务的约束关系图。 ’*