遗传算法-机器人与智能技术室-合肥工业大学.PPTVIP

（5）变异 设变异概率取为0.001,则对于种群总共有20个基因位. 期望的变异串位数计算:20×0.001 =0.02(位), 故一般来说,该例中无基因位数值的改变.从表中可以看出,每经过一次复制、交叉和变异操作后,目标函数的最优值和平均值就会有所提高。 在上例中，种群的平均适应值从293增至446.5;最大的适应度数值从576增至841。 特点：每经一次进化计算步骤,问题解答便向着最优方向前进了一步;若该过程一直进行下去,就将最终走向全局的最优解.可见进化计算的每一步操作简单,并且系统的求解过程是依照计算方法与规律来决定,与本源问题自身的特性很少相关。 6.2 遗传算法 作业调度问题（job shop scheduling problem，JSSP） 对工场内的作业进行组织、调度和管理。 例：完成下述三个作业： j1：型号a产品30件； j2：型号b产品45件； j3：型号a产品50件； 产品a,b的生产流程有下述几种选择： a: 流程a1(opr2, opr7, opr9)； a: 流程a2(opr1, opr3, opr7，opr8)； a: 流程a3(opr4, opr6)； b: 流程b1(opr2, opr6, opr7)； a: 流程b2(opr1, opr9)； 6.2 遗传算法 作业调度问题（job shop scheduling problem，JSSP） 此处opri 表示第i种操作过程，每种操作所需要的机器及时间为： opr1 ：(m1 10)(m3 20) opr2 ：(m2 20) opr3 ：(m2 20)(m3 30) opr4 ：(m1 10) (m2 30)(m3 20) opr5 ：(m1 10)(m3 30) opr6 ：(m1 40) opr7 ：(m3 20) opr8 ：(m1 50) (m2 30)(m3 10) opr9 ：(m2 20)(m3 40) 此处(mj t)表示占用机器j共t个时间单元。还可以假设机器关机后的启动时间为 m1:3，m2:5，m3:7 6.2 遗传算法 作业调度问题（job shop scheduling problem，JSSP） 编码策略：为每台机器建立一个优先表（preference list）。该表的第一个元素为机器的启动时刻，接着是个作业的操作顺序，另外两项为“等待”（wait）和“闲置”（idle）。其译码过程为：只要在某机器的启动时刻，该机器可用，则首先选择其优先表中的第一个允许操作。例如： m1:（40 j3 j1 j2 ‘wait’ ‘idle’） 译码为：在第40时间步从作业j3中找一产品用机器m1生产。如不成功，再从j1中搜索产品进行,… 遗传算子： 闲置（run-idle）：仅从那些已经等待1小时以上机器的优先表进行操作。 交叉：交换所选机器的有先表 打乱（scramble）：该操作“打乱”优先表中的成员。 6.2 遗传算法 地球上的生物物种在漫长的过程中形成了丰富的行为特性，并且一直不断地完善和发展，以更好地适应其所生存的环境。生物群体和自然生态系统可以通过自身的演化就能使许多在人类看起来高度复杂的优化问题得到完美解决。因此，各种模仿生物群体的智能仿生算法被相继提出，得到了深入研究和应用实践。 群智能思想的产生主要源于复杂适应系统理论以及人工生命的研究。 6.3 群智能算法 群智能( Swarm Intelligence, SI)： 1992年由 Beni, Hack-wood 和 Wang在分子自动机系统中提出。 1999 年, Bonabeau, Dorigo 和 Theraulaz 在 《Swarm Intel-ligence: From Natural to Artificial Systems》中对群智能进行了详细的论述和分析。 2003年 IEEE 第一届国际群智能研讨会在美国印第安纳州首府召开。 群智能定义：任何一种由昆虫群体或其它动物社会行为机制而激发设计出的算法或分布式解决问题的策略均属于群智能。 6.3 群智能算法 Swarm 可被描述为一些相互作用相邻个体的集合体, 蜂群、蚁群、鸟群、鱼群都是Swarm的典型例子。社会性动物群体所拥有的