[发明专利]针对多目标优化问题的导引式局部搜索遗传算法

摘要

本发明提出了针对多目标优化问题的导引式局部搜索遗传算法，该算法应用于柔性作业车间调度领域。柔性作业车间调度问题属于NP—Hard问题，在现实生产中，往往还需要面对优化多个目标，并且每个目标之间相互影响和冲突。本发明旨在解决现有技术中存在的遗传算法在遗传操作中近亲不断交叉繁衍导致收敛过快种群多样性不足，且枚举完所有的邻域解计算成本过高。针对这些问题本算法设计了程序在基因交叉变异之前计算交叉、变异率，用导引式局部搜索寻找可移动工序及可行位置的程序，这两个程序的引入在避免算法早熟的同时，减少了计算成本。该算法实用性强，能很好的运用到实际车间调度中。

主权项

针对多目标优化问题的导引式局部搜索遗传算法，该算法应用于柔性作业车间调度领域，解决多目标优化问题，其特征是：该算法的步骤如下：步骤1：采用随机的方法分别产生染色体的工序顺序和设备选择两个部分作为初始解，初始种群规模为N；步骤2：判断是否达到最大迭代次数，达到则返回Pareto最优解，结束；未达到则执行下一步骤；步骤3：将当前的解与精英记忆中的解组合，应用快速非支配排序和拥挤距离评估组合中的个体，前N个最优解会用来更新当前解；步骤4：对评估后的个体用非支配排序得到不同等级的个体，优先选择等级较低即支配的个体参与进化，用拥挤距离的策略来选择参与进化的个体；步骤5：基因进行交叉之前，对将进行交叉的两个染色体的血缘关系进行计算，并根据血缘关系计算新产生染色体的变异率，从而避免算法早熟；步骤6：以交叉概率pc对选择的染色体进行交叉操作；步骤7：以变异概率v进行变异操作步骤8：导引式局部搜索：步骤8.1：解码子代种群，应用快速非支配法将子代种群排序，选择子代种群中x%的最优解执行导引式局部搜索；步骤8.2：解码导引式局部搜索的解，应用快速非支配法将他们排序，用向导性搜索的最好的解替换子代种群中y%的最差的解；步骤9：选择子代种群中等级排名为1的解更新精英记忆；步骤10：返回步骤2判断最大迭代次数，循环。