嫁接共生遗传算法及其在作业调度中的应用

针对现有遗传算法在解决复杂车间作业调度问题时存在早熟和进化速度缓慢的缺点,提出了一种改进的算法———嫁接共生遗传算法。嫁接种群的引入和种群间交叉的策略,可以明显加快进化速度;双交叉算子的采用和共生阶段的进化,则可增强算法搜索新解的能力,进而提高解的精度。上述所有措施均可增强算法抗早熟能力。通过与现有遗传算法的比较,突出显示了该算法的优越性,证明了它在现代网络化生产中的应用价值。

带学习策略的遗传算法求解柔性作业调度问题

多个不同最优染色体之间存在许多共有特征,如果进化过程中能识别这些优秀特征并尽可能遗传到后代个体中,则可以改善后代种群质量,加快遗传算法的收敛速度。在分析柔性作业调度问题的基础上,采用共生遗传算法并加入学习策略进行改进,在进化过程中学习父代优秀特征并指导后代的进化。通过实验测试,并与其他文献中的结果进行比较,表明改进算法在解的质量上有较好的效果。

供应商选择与订单分配多目标协同决策研究

采用复杂适应系统理论和复杂人Agent的行为方式,进行系统节点Agent群体之间的协同进化机制研究。以成本、质量、服务水平三个准则为目标函数,构建供应商系统节点Agent决策模型;以买方选择供应商数量最少为目标函数,构建总部配送中心系统节点Agent决策模型。提出了基于多目标共生型协同进化遗传算法的Agent群体间行为优化算法,通过系统节点Agent群体间的行为优化,巩固了连锁零售供应链上下游企业之间的关系,降低了供应链的总成本。