weixin_46471774的博客

金豺优化算法（Golden jackal optimization，GJO）是由Nitish Chopra等人于2022年提出的一种新的元启发式算法，该算法是一种模仿金豺的合作狩猎行为的新型智能优化算法。

人工蜂群（Artificial Bee Colony，ABC）算法是一种群体智能优化算法，是20世纪以来最具有代表性的算法之一，其主要的优化思想来源于自然界中模仿蜜蜂的觅食行为。Karaboga于2005年提出了基本的人工蜂群算法ABC模型，用于求解多变量函数优化问题。ABC主要特点是只需要对问题进行目标值大小的比较，通过每个蜜蜂个体的局部寻优行为，并且通过交流机制实现蜂群信息的共享。

模拟退火算法SA是一种应用广泛的启发式随机智能优化算法，该算法模拟热力学系统中的退火过程，把目标函数作为能量函数，对高温物体进行缓慢降温，使其内部分子的能量状态达到最低。

在 JAYA 算法中，首先初始化种群，接着计算初始种群中候选解的适应度值，随后，评价适应值大小的好与坏。在算法每次迭代过程中，利用当前每个候选解自身的最优解和整个种群最优解和最差解来更新候选解。通过不断更新候选解，逐渐使算法收敛到最优解。

一般，传统（经典）柔性作业车间调度问题中通常：（1）会假设加工时间包括工件装夹、工件卸载的时间，或者不考虑工件在机器上的装夹、卸载步骤；（2）不考虑工件在不同机器间、机器与仓库间的转移时间；

鲸鱼算法（WOA）的原理来源于对座头鲸捕食行为的模型化。众所周知，鲸鱼是所知的最大的哺乳动物。本文研究的群仿生对象—座头鲸虽不是世界上最大的鲸类，由于其捕食的行为有一定的特点，鲸鱼算法在2016年被提出。

ICA 是一种基于帝国主义和殖民主义竞争的通用搜索算法，于 2007 年提出，该算法模拟帝国主义和殖民主义的社会历史现象，其主要步骤为初始帝国构建、殖民国家（Imperialist）与殖民地的同化和革命以及帝国竞争等行为。目前，该算法已广泛应用于科学理论和工程实践上。

灰狼优化算法（Grey Wolf Optimization, GWO）是于 2014 年提出的一种群体智能优化算法，算法主要思想是模仿灰狼群体觅食行为。

柔性作业车间调度问题（flexible job shop scheduling problem，FJSP）的描述如下：ｎ个工件（JJ，…，J）要在ｍ台机器（MM，…，M）上加工；每个工件包含一道或多道工序；工序顺序是预先确定的；每道工序可以在多台不同加工机器上进行加工；工序的加工时间随加工机器的不同而不同；调度目标是为每道工序选择最合适的机器，确定每台机器上各道工序的最佳加工顺序及开工时间，使整个系统的某些性能指标达到最优。