CAJ | 학술논문

多种群遗传算法相比遗传算法在性能上能够有所提高,但对具有较多局部最优解的作业车间调度问题,多种群遗传算法仍然难以改善易陷入局部最优解和局部搜索能力差的缺点.因此,提出了一种求解作业车间调度问题的新算法MGA-MBL(multi-population genetic algorithm based on memory-base and Lamarckian evolution for job shop scheduling problem).MGA-MBL在多种群遗传算法的基础上通过引入记忆库策略,不但使子种群间的个体可以进行信息交换,而且有利于保持整个种群的多样性;通过构造基于拉马克进化机制的局部搜索算子来提高多种群遗传算法中子种群进化的局部搜索能力.由于MGA-MBL采用了全局寻优能力较强的模拟退火算法对记忆库中的个体进行优化,从而缓解了多种群遗传算法易陷入局部最优解的问题,并提高了算法求解作业车间调度问题的性能.对著名的benchmark数据进行测试,实验结果证实了MGA-MBL在求解作业车间调度问题上的有效性.
다충군유전산법상비유전산법재성능상능구유소제고,단대구유교다국부최우해적작업차간조도문제,다충군유전산법잉연난이개선역함입국부최우해화국부수색능력차적결점.인차,제출료일충구해작업차간조도문제적신산법MGA-MBL(multi-population genetic algorithm based on memory-base and Lamarckian evolution for job shop scheduling problem).MGA-MBL재다충군유전산법적기출상통과인입기억고책략,불단사자충군간적개체가이진행신식교환,이차유리우보지정개충군적다양성;통과구조기우랍마극진화궤제적국부수색산자래제고다충군유전산법중자충군진화적국부수색능력.유우MGA-MBL채용료전국심우능력교강적모의퇴화산법대기억고중적개체진행우화,종이완해료다충군유전산법역함입국부최우해적문제,병제고료산법구해작업차간조도문제적성능.대저명적benchmark수거진행측시,실험결과증실료MGA-MBL재구해작업차간조도문제상적유효성.