![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
调度算法
文章平均质量分 64
YYYa77
这个作者很懒,什么都没留下…
展开
-
文化基因算法(Memetic Algorithm,MA)
介绍文化基因算法(Memetic Algorithm,简称MA),由Mpscato在1989年提出的。文化基因算法是一种基于种群的全局搜索和基于个体的局部启发式搜索的结合体,它的本质可以理解为:Memetic = GA + Local Search,即memetic算法实质上为遗传算法加上一个局部搜索算子。局部搜索算子可以根据不同的策略进行设计,比如常用的爬山机制、模拟退火、贪婪机制、禁忌搜索等。算法框架1.初始种群的产生初始种群一般是随机产生的,也可以利用优化问题的先验知识人为加入一些优秀个体,原创 2022-01-13 17:46:09 · 4707 阅读 · 1 评论 -
蚁群优化算法
简介自然界中的蚂蚁总是成群结队地寻找面包屑并进行搬运,蚂蚁之间通过一种信息物质——信息素进行交互。蚂蚁在寻找食物的过程中往往是随机选择路径,但是他们可以感知到当前地面上的信息素浓度,并倾向于信息素浓度高的方向前进。由于较短路径上的蚂蚁的往返时间较短,所以在单位时间内经过该路径的蚂蚁较多,所以信息素的增长速度比较长路径快。因此,蚂蚁在路口时,可以感知到先前走过的蚂蚁留下的信息素,并做出选择。基本流程AS算法对TSP的求解流程主要分为两个步骤:路径构建与信息素更新例子参考书目计算智能原创 2021-04-07 20:09:05 · 162 阅读 · 0 评论 -
变量邻域下降法(Variable Neighborhood Descent, VND)
简介变量邻域下降法(Variable Neighborhood Descent, VND)是由Mladenovic和Hansen(1997)提出的一种求解细化方法,它在求解空间中交替搜索,并系统地考虑邻域结构。设Ns = {N1(s),N2(s),…,Nk(s)}是一组不同的邻域结构。VND过程的默认版本从利用N1(s)邻域开始,根据这个结构定义的搜索策略。在N1(s)的开发完成后(即没有发现任何改进方案),开始开发N2(s)邻域。如果在N2(s)的开发结束时观察到改进,则恢复邻域开发N1(s)。否则,原创 2021-03-18 13:44:32 · 4206 阅读 · 0 评论 -
GRASP算法(Greedy Randomized Adaptive Search,贪心随机自适应搜索算法)
参考:An Adaptive Genetic Algorithm to the Single Machine Scheduling Problem with Earliness and Tardiness Penalties 一文原创 2021-02-02 20:35:44 · 2282 阅读 · 1 评论 -
超启发式算法(hyper heuristic)
简介超启发式算法是新近提出的一类解决复杂优化问题的概念模型。该模型主要通过一种高层次启发式策略(High-level Heuristic,简称 HLH)管理和操纵一系列低层次启发式(Low-level Heuristics,简称 LLH)方法以实现在解空间中的寻优,其框架如图 1-2 所示。作为一种有效的搜索方法,超启发式算法可以自动选择、组合或生成多个简单的 LLH 方法以解决复杂的优化问题。由于其具有较好的寻优性能,超启发式算法成为当前智能计算领域的研究热点之一。LLH 策略与方法作为超启原创 2021-01-20 16:42:30 · 5003 阅读 · 1 评论 -
差分进化算法 (differential evolution,DE)与离散差分进化算法(discrete DE, DDE)
概述差分进化算法是一种用于解决全局优化问题的随机搜索算法。与遗传算法、粒子群优化算法、蚁群算法、人工蜂群算法等智能算法相比较,DE 算法的参数少、优化能力较强。DE 算法是进化算法中的一种,它具有进化算法所有的优点。该算法受自然界中物种“优胜劣汰,适者生存”的准则启发,通过对种群进行初始化、个体适应值评价、差分变异操作、杂交操作、选择操作等过程选择更优秀的下一代,算法流程图如图所示。由图可知,DE 算法中种群初始化后,通过适应值函数对种群个体进行评价计算,再将种群中的个体放入循环中进行各项操作,当原创 2020-12-25 09:57:27 · 8257 阅读 · 0 评论 -
禁忌搜索算法(TS)
思想禁忌搜索(Tabu Search, TS)也是属于模拟人类智能的一种优化算法。原理禁忌搜索算法是组合优化算法的一种,是局部搜索算法的扩展。禁忌搜索算法是人工智能在组合优化算法中的一个成功应用。禁忌搜索算法的特点是采用了禁忌技术。所谓禁忌就是禁止重复前面的工作。禁忌搜索算法用一个禁忌表记录下已经到达过的局部最优点,在下一次搜索中,利用禁忌表中的信息不再或有选择地搜索这些点。过程(1)产生初始可行解,设置空的禁忌表(2)判断是否满足接入条件,不满足进入循环(3) 生成当前解的邻原创 2020-11-23 22:38:11 · 3984 阅读 · 3 评论 -
析取图
析取图(disjunctive graph), 用来表示Job shop scheduling的过程。用圆是用来表示一道工序实心的箭头用来表示一个合同或工作(Job)所需要经过的流程(Operation)由于不同的合同所需要经过的流程有可能是同一个机器上完成的(即不同的合同需要同一个流程),使用虚线将同一个机器上完成的工序连接起来下图引用 张超勇。基于自然启发式算法的作业车间调度问题理论与应用研究 。华中科技大学。...原创 2020-11-23 20:15:05 · 5014 阅读 · 1 评论 -
多目标优化问题MOP
概念多目标优化问题( multi-objective optimization problem,MOP)也称为向量优化问题或多准则优化问题。多目标优化问题可以描述为:在可行域中确定由决策变量组成的向量,它满足所有约束,并且使得由多个目标函数组成的向量最优化。而这些组成向量的多个目标函数彼此之间通常都是互相矛盾的。因此,这里的“优化”意味求一个或一组解向量使目标向量中的所有目标函数满足设计者的要求。这些相互冲突的子目标,一个子目标的改善有可能会引起另一个或者另几个子目标的性能降低 , 也就是要同时使多原创 2020-11-22 23:32:55 · 11112 阅读 · 4 评论 -
模拟退火算法(SA)原理与python实例
1.概述模拟退火算法(Simulated Annealing, SA),是一种理论上的全局最优算法。模拟退火算法是源于对热力学中退火过程的模拟,在某一给定初温和初态下,伴随温度参数的不断下降,结合概率突跳特性在解空间中通过邻域函数进行随机搜索,使算法能够给出一个全局最优解 。SA在迭代更新可行解时,以一定的概率来接受一个比当前解要差的解,因此有可能会跳出这个局部的最优解,达到全局的近似最优解。2.什么是退火——物理上的由来退火是指将固体加热到足够高的温度,使分子呈随机排列状态,然后逐步降温使之冷却原创 2020-11-05 00:01:33 · 967 阅读 · 0 评论 -
调度算法分类
参考 车间调度及其遗传算法 一书内容原创 2020-11-04 21:45:22 · 360 阅读 · 0 评论