调度系统的禁忌算法研究与实现论文__毕业论文.docVIP

1 引言 社会在进步，科技在发展，我们将越来越多的科技产品运用于生产，服务大众之中，这极大的推动了人们的生活水平，提高了生活的质量。然而，当高端的生产水平遇到老旧的调度方式的时候，造成了一系列低水准的结果。调度是指管理并安排，调度系统则是指在考虑到系统运行时在不同阶段的损耗，消耗时间不同的因素下，通过一定的调度方法，策略，从而实现对所研究系统正常运行的最少消耗，路程等。 调度系统的使用，提高了处理问题的能力，效率，同时也明显的减少了资源的损耗。然而，现有的调度系统是存在有一定的缺陷的，以在多个相连地点中寻求任意两点相连的最短路径为例，当地点数较少时，我们可以挨个尝试进而进行比较得出最优解，可是当地点数大到一定程度的时候，穷举法就不现实了。这正是调度系统也存在的问题，我们既要求调度系统做出正确的路径，同时要求它在有效的时间做出，这就显然成为了矛盾的所在。没有穷举过自然就无法说某条路径是最优的，因此折中的办法就是在有限的时间里，找到一条较优的路径，而这些正是本课题所研究的。 2 课题背景 2.1 什么是调度系统 调度系统是指应用于生产生活中的通过一定的调度算法实现对目标流程的安排及控制，以期望达到减少损耗，提高效率的目的的系统，随着社会科学技术的飞速发展，人们对高效率生产流程的期待，加速着调度系统的进步。而在调度系统中，调度算法又占到了绝对重要点的比率。因此，一个好的调度系统更多又体现在其使用的调度算法是否适用于对应生产的要求，并需在合理的时间内给出设计。 2.2 禁忌算法的概念 搜索是人工智能的一个基本问题，一个问题的求解过程就是搜索。人工智能在各应用领域中，被广泛的使用。现在，搜索技术渗透在各种人工智能系统中，可以说没有哪一种人工智能的应用不用搜索方法。 禁忌搜索算法(Tabu Search或Taboo Search,简称TS)的思想最早由Glover (美国工程院院士，科罗拉多大学教授)在1977年提出，它是对局部邻域搜索的一种扩展，是一种全局邻域搜索算法，是人工智能的一种体现，是一种全局逐步寻优算法，是对人类智力过程的一种模拟。TS算法通过引入一个灵活的存储结构和相应的禁忌准则来避免迂回搜索，并通过藐视准则来赦免一些被禁忌的优良状态，进而保证多样化的有效探索以最终实现全局优化。迄今为止，TS算法在组合优化、生产调度、机器学习、电路设计和神经网络等领域取得了很大的成功，近年来又在函数全局优化方面得到较多的研究，并大有发展的趋势。 2.3 邻域搜索 局部邻域搜索是基于贪婪思想持续地在当前的邻域中进行搜索，虽然算法通用易实现，且容易理解，但其搜索性能完全依赖于邻域结构和初始解，尤其容易陷入局部极小而无法保证全局优化性。这种邻域搜索方法容易实现理解，容易实现，而且具有很好的通用性，但是搜索结果完全依赖于初始解和邻域的结构，而且只能搜索到局部最优解。为了实现全局搜索，禁忌搜索采用允许接受劣解来逃离局部最优解。针对局部领域搜索，为了实现全局优化，可尝试的途径有：以可控性概率接受劣解来逃逸局部极小，如模拟退火算法；扩大领域搜索结构，如TSP的2-opt扩展到k-opt；多点并行搜索，如进化计算；变结构领域搜索（ Mladenovic et al,1997）；另外，就是采用TS的禁忌策略尽量避免迂回搜索，它是一种确定性的局部极小突跳策略。 3 禁忌搜索算法 3.1 算法基本思想 禁忌搜索算法的基本思想就是在搜索过程中将近期的历史上的搜索过程存放在禁忌表（Tabu List）中，阻止算法重复进入，这样就有效地防止了搜索过程的循环。禁忌表模仿了人类的记忆功能，禁忌搜索因此得名，所以称它是一种智能优化算法。 具体的思路如下：禁忌搜索算法采用了邻域选优的搜索方法，为了能逃离局部最优解，算法必须能够接受劣解，也就是每一次迭代得到的解不必一定优于原来的解。但是。一旦接受了劣解，迭代就可能陷入循环。为了避免循环，算法将最近接受的一些移动放在禁忌表中，在以后的迭代中加以禁止。即只有不在禁忌表中的较好解（可能比当前解差）才能接受作为下一次迭代的初始解。随着迭代的进行，禁忌表不断更新，经过一定迭代次数后，最早进入禁忌表的移动就从禁忌表中解禁退后。 为了找到“全局最优解”，就不应该执着于某一个特定的区域。局部搜索的缺点就是太贪婪地对某一个局部区域以及其邻域搜索，导致一叶障目，不见泰山。禁忌搜索就是对于找到的一部分局部最优解，有意识地避开它（但不是完全隔绝），从而获得更多的搜索区间。兔子们找到了泰山，它们之中的一只就会留守在这里，其他的再去别的地方寻找。就这样，一大圈后，把找到的几个山峰一比较，珠穆朗玛峰脱颖而出。 当兔子们再寻找的时候，一般地会有意识地避开泰山，因为他们知道，这里已经找过，并且有一只兔子在那里看着了。这就是禁忌搜索中“禁忌