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(shè)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�，F(xiàn)有種群鄰域的設(shè)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(shù)。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(shù)

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(xué)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。