网格模拟淬火遗传算法在生产实习中的调度.docVIP

网格模拟淬火遗传算法在生产实习中的调度 蒋喆 （沈阳汽车工业学院 沈阳 110015） 摘 要： 本文基于网格的模拟淬火遗传算法解决生产实习作业中的计划编制问题。我们建立了综合考虑学生学习成本与学院实习厂之间的多目标规划模型以及设计了基于网格的模拟淬火遗传算法计算模型。结合GA算法、最优个体保护法和SA算法，提出了模拟淬火遗传算法（MOSA)，建立了实习厂静态调度问题的模型及其基于MOSA的求解算法，。该算法首先对生产作业中样本数据进行数据挖掘，然后考虑学生实习和学校等因素构造模拟淬火遗传算法的适应度函数，在网格平台上初始化，进化操作，最后得出满意的运行计划表；通过仿真试验，证明了该方法的有效性和实时性。 关键词：模拟淬火遗传算法；生产实习；网格；调度 中图分类号：TP Research on grid-based quench genetic algorithm and its application in Produce fieldwork Operating planing JiangZhe （The Automobile Industry College of Shenyang, ShenYang, 110015, P. R. China） Abstract: To solve the problem of produce fieldwork operation plan scheduling, this paper proposes a grid-based genetic algorithm. Firstly, we do data mining in the historical passenger flow samples of urban transportation by using produce fieldwork operating. Secondly, we construct the fitness function, coding method and constraint condition of genetic algorithm under considering the cost of students and operating loss of the college. Finally, we initialize the populations on the Grid platform, and then distribute the subpopulations to different Grid clusters and nodes for selection, crossover, and mutation, calculate the fitness of chromosome in diverse directions simultaneously and exchange the excellent chromosome between clusters or nodes in order to get the satisfactory operation plan quickly. Key words: quench gench algorithm； produce fieldwork; grid；scheduling１　引 言 生产实习和教学实习是教学过程的重要基本环节，是全部教学的重要组成部分。演化算法中最普通的遗传算法（genetic algorithm，GA）是通过交互组合形成解集，然后根据目标方程值随机突变进行改进，形成“自然”选择，优胜劣汰。 种演化算法种演化算法是Kirkpatrick开发的模拟淬火算法(Simulated Annealing，SA)，模拟淬火算法能够处理非连续性方程和差分变量，而确定性优化方法无法实现，因此使得SA算法成为单目标和多目标优化问题的重要工具。的制定是日常运营工作的核心 图１：基于网格的模拟淬火遗传算法解决运行计划编制问题的总体流程图３　运行计划编制模 ３.１　模型假设 针对学院实习厂实际情况做出如下假设： 只考虑单科课程，课程和课程之间不相互影响。 在制定实习计划之前实习原型系统有相关历史样本数据。 ３.２　模型输入 为能更好地贴近公交运行实际情况，允许模型有如下的初始输入： K为课程。 为限制最大课节间隔；为限制最小课节间隔。 为实习教师限制最大课节总数。 C为机床的可培训学生容量；J为实习厂可培训班级的容量。 ３.３　模型变量 以下是模型中出现的相关变量定义： 为课节区间集。 为教师课节集。 ３.４　模型构建 从样本数据中查找满足以下约束的K课程历史样本