遗传算法的业排序方法.pptVIP

基于遗传算法的 作业排序方法 054班 刘秀云 1.问题提出 2.问题分析 3.遗传算法设计 3.1 编码 3.2 初始群体的生成 3.3 适应度计算 3.4 选择 3.5 交叉 3.6 变异 3.7 终止 4.算法求解 4.1 算法步骤 4.2 参数设置 4.3 问题最优解 5.致谢 1.问题提出 2.问题分析 情况一:即下一个工件在第一台机器上的加工时间比上一个工件在第二台机器的加工时间大,这就有了机器等待时间,也就是说当上一个工件在第二台机器上加工完成后,下一个工件不能直接进入第二台机器加工,而是它在第一台机器上加工完成后,才可在第二台机器上加工. 情况二: 即下一个工件在第一台机器上的加工时间比上一个工件在第二台机器的加工时间大,这就有了工件等待时间,也就是说当下一个工件己在第一台机器上加工完成,而上一个工件在第二台机器上的却未加工完成,下一个工件只能等到上一个工件在第二台机器上加工完成后方可进入第二台机器加工. 3.遗传算法设计 3.1编码 十进制编码 编码：假定根据算法随机产生一个加工序 序列1:[6 8 9 1 3 4 5 12 7 2 10 11] 二进制编码为 序列1:[0110 1000 1001 0001 0011 0100 0101 1100 0111 0010 1010 1011 ] 解码：解码时再拆开来，并化成整数从小到大排序 出现重复.假设按算法所求最优解的加工序列为: 序列3: [1001 0110 1110 1100 1001 0000 0001 1000 0110 1110 1110 1100] 按平时的解码方法的话,就变成了 序列3:[9 6 14 12 9 0 1 8 6 14 14 12] 改进,将经遗传算法求解得到的序列进行按从小到大重新排序 最优解的加工序列就变为 序列3:[ 6 7 2 9 8 1 5 4 12 3 10 11] 最后再求得问题要求的工件的最小的总加工时间 3.2 初始群体的生成 随机产生n个初始串结构数据，每个串结构数据称为一个个体。n个个体，构成了一个群体。GA以这个串结构数据作为初始点开始迭代。这个参数n需要根据问题的规模而确定。 对于二进制编码，也可随机产生。 3.3 适应度计算 即计算交换产生的新个体的适应度。适应度用来度量种群中个体优劣（符合条件的程度）的指标值。 根据问题分析 设计此适应度 3.4 选择 选择的目的是为了从交换后的群体中选出优良的个体，使它们有机会作为父代为下一代繁殖子孙。 1.轮盘赌选择（Roulette） 2.随机遍历抽样（Stochastic uniform） 3.5 交叉 两个父代将相异的部分基因交换产生新的个体，新个体组合了其父辈个体的特性。 1.单点交叉(Single point) 考虑如下父个体(如两个加工序列[5 9 6 7 2 4 3 12 1 10 8 11], [6 5 1 4 10 8 2 7 9 3 12 11]) 父个体1 010110010110011100100100001111000001101010001011 父个体2 011001010001010010101000001001111001001111001011 交叉点的位置为16，如下图所示， 交叉后又生成两个子个体： 子个体1 010110010110011110101000001001111001001111001011 子个体2 011001010001010000100100001111000001101010001011 最终解码为 子个体1 [7 10 1 3 4 8 6 2 9 5 12 11] 子个体2 [3 9 5 7 4 6 2 1 11 10 12 8] 2.分散交叉(Scattered) 随机地产生与个体等长的0-1掩码，掩码中的片段表明了哪个父个体向子个体提供变量值。 考虑如下较简单的两个11位变量的父个体： 父个体1 0 1 1 1 0 0 1 1 0 1 0 父个体2 1 0 1 0 1 1 0 0 1 0 1 掩码样本（1表示父个体1提供变量值，0表示父个体2提供变量值）： 样本1 0