一种新的免疫遗传算法及应用

针对遗传算法易陷入局部收敛的缺陷,提出一种基于浓度的自适应免疫遗传算法(SIGA).该算法将生物免疫系统中抗体多样性的维持机制引入遗传算法,提出了基于浓度的自适应变异算子和选择策略,保证了种群的多样性,从而大大提高了算法克服局部收敛的能力.将该算法应用于特殊工艺约束的并行多机拖后调度问题,仿真结果表明,SIGA优于并行遗传算法(PGA),具有更强的全局搜索能力.     

解并行机模糊调度问题的自适应遗传算法

针对家纺企业车间调度的实际情况,建立了一种产品优先级约束的模糊车间调度模型。在模型中,完工时间和交货期都是模糊的,交货期平均满意度最大为调度目标。基于此模型,提出了一种自适应的遗传算法,该算法通过比例选择及局部搜索保证种群的优良特性,并通过自动调节变异率和交叉率的方式保证种群的多样性,有效跳出局部收敛。仿真结果表明,自适应遗传算法能有效求解,并优于免疫遗传算法。     

解优先级约束并行机调度问题的人工免疫算法

针对家纺企业车间调度的实际情况,建立了优先级特殊工艺约束下并行多机拖后调度模型,并提出一种新颖的人工免疫算法对其求解。该算法是依据生物的免疫机理,将目标函数作为抗原,将问题的解作为抗体,对抗体采用向量组编码的方式进行编码,通过克隆、变异及一种新颖的基于浓度的种群多样性更新选择方法,提高了种群多样性,并通过局部搜索改善了种群质量,加快了收敛速度。仿真结果表明,与遗传算法相比较,该算法能更快更准确地收敛到全局最优解。