遺傳算法作為一個搜索過程,同模擬退火算法和禁忌搜索算法在一個很重要的方面不同。 LPO2506I-684LC遺傳算法的每次迭代中都會生成很多不同的調(diào)度,而且會延續(xù)到下一代迭代。而在模擬退火算法和禁忌搜索算法中,只有一個調(diào)度從一次迭代延續(xù)到下一次迭代。因而,模擬退火算法和禁忌搜索算法可以被視為遺傳算法中種群容量為1的特例。多樣化設置是遺傳算法很重要的一個特征。因而在遺傳算法中,鄰域的概念不是基于一個單一的調(diào)度,而是一個調(diào)度集。現(xiàn)有種群鄰域的設計與模擬退火算法和禁忌搜索算法相比是基于更常規(guī)的技術。通過合并種群中不同調(diào)度的一部分可以構(gòu)建新的調(diào)度。例如,在加工車間調(diào)度問題中,可以通過合并一個父代調(diào)度中一臺機器的操作序列和另一個父代調(diào)度中另一臺機器的操作序列而產(chǎn)生新的調(diào)度,這通常稱為交叉作用[10q。遺傳算法流程圖如圖3-12所示。

   Liu[101]等提出基于Pct⒒網(wǎng)和遺傳算法的無死鎖調(diào)度方法,用來解決具有重入加工的集束型裝備調(diào)度問題。Kumar等[102]禾刂用遺傳算法求解最優(yōu)機械手活動序列,其方法適合解決串行、并行模式及具有本地物料傳輸系統(tǒng)的大規(guī)模調(diào)度問題。由于編碼技術

和遺傳操作比較簡單,優(yōu)化不受限制性條件的約束,因此遺傳算法被廣大科研學者所采用。但是遺傳算法也有其明顯的不足之處:對于大規(guī)模的組合優(yōu)化問題,搜索時間長,搜索空間大;往往會出現(xiàn)早熟收斂的情況;對初始種群很敏感,初始種群選擇不好會影響解的質(zhì)量和算法效率。因此,對遺傳算法本身進行改進和其他算法進行結(jié)合是改善遺傳算法效率的途徑。