共生进化算法母体选择策略性能研究及改进

doi:10.3778/j.issn.1002-8331.2009.11.015

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (11): 49-52.DOI: 10.3778/j.issn.1002-8331.2009.11.015

共生进化算法母体选择策略性能研究及改进

苏兆锋¹,邱洪泽²

1.鲁东大学管理学院，山东烟台 264025
2.山东大学计算机学院，济南 250061

收稿日期:2008-03-03 修回日期:2008-05-23 出版日期:2009-04-11 发布日期:2009-04-11
通讯作者: 苏兆锋

Research on parents selection method in symbiotic evolutionary algorithm

SU Zhao-feng¹,QIU Hong-ze²

1.School of Management，Ludong University，Yantai，Shandong 264025，China
2.Computer Science and Technology Academy，Shandong University，Jinan 250061，China

Received:2008-03-03 Revised:2008-05-23 Online:2009-04-11 Published:2009-04-11
Contact: SU Zhao-feng

摘要/Abstract

摘要： 轮盘赌在传统遗传算法中能加快进化速度和提高解质量，以共生进化算法求解一个复杂的柔性作业调度为例，跟踪共生种群进化过程。研究轮盘赌在以求得最优组合为目标的共生进化算法中对种群进化速度、种群多样性以及解质量的影响。为提高种群进化的解质量，引入了Worst策略。仿真实验表明，轮盘赌在共生进化算法中的应用不能促进解质量的提高，Worst策略能有效调节种群的进化速度并能提升解质量。

关键词: 轮盘赌, 作业调度, 共生进化算法

Abstract: Roulette wheel method is often adopted in traditional genetic algorithm to improve evolution speed and solution quality.Jobs with high production flexibility will lead to much more process plans and enhance the difficulty of scheduling problem.The optimality of job shop scheduling depends on the result of process planning.Symbiotic Evolutionary Algorithm（SEA） is a good alternative for dealing with the problem usually.A complex job shop scheduling problem is selected as the test-bed problem for symbiotic evolutionary algorithm to test and compare the performance of two parents selection operations，random and roulette wheel methods.The experimental results show the ineffectiveness of roulette wheel method selection both in accelerating evolution speed and improving solution quality.To improve SEA performance，“Worst strategy” is proposed to adjust the evolution process and shows better performance for different test-bed problems.

Key words: roulette wheel, job shop scheduling problem, Symbiotic Evolutionary Algorithm（SEA）

苏兆锋¹,邱洪泽². 共生进化算法母体选择策略性能研究及改进[J]. 计算机工程与应用, 2009, 45(11): 49-52.

SU Zhao-feng¹,QIU Hong-ze². Research on parents selection method in symbiotic evolutionary algorithm[J]. Computer Engineering and Applications, 2009, 45(11): 49-52.

[1]	曾强1，邓敬源1，张进春1，沈玲2. 多工作日历下流水作业调度遗传优化方法[J]. 计算机工程与应用, 2019, 55(4): 238-247.
[2]	鞠录岩1，杨建军2，张建兵1，郭龙龙1，李锁斌1. 改进NSGA算法求解多目标柔性车间作业调度问题[J]. 计算机工程与应用, 2019, 55(13): 260-265.
[3]	贺桂娇1，周树亮2，3，冯冬青2. 求解高维复杂优化问题的改进人工蜂群算法[J]. 计算机工程与应用, 2018, 54(12): 126-132.
[4]	施文章1，韩伟1，戴睿闻2. 模拟退火下布谷鸟算法求解车间作业调度问题[J]. 计算机工程与应用, 2017, 53(17): 249-253.
[5]	段艳明1，肖辉辉1，2. 求解TSP问题的改进果蝇优化算法[J]. 计算机工程与应用, 2016, 52(6): 144-149.
[6]	吴琼，纪志成，吴定会. 协同混合粒子群算法求解车间作业调度问题[J]. 计算机工程与应用, 2016, 52(5): 266-270.
[7]	谢涛1，董滔2. 基于混合GA算法的工作流作业调度队列优化[J]. 计算机工程与应用, 2016, 52(24): 85-90.
[8]	戴小平，张宜力. Hadoop平台下计算能力调度算法的改进与实现[J]. 计算机工程与应用, 2015, 51(19): 61-65.
[9]	范志强. 带作业范围约束的岸桥调度模型及其算法设计[J]. 计算机工程与应用, 2015, 51(17): 259-264.
[10]	杨锋英1，刘会超2. AGV作业调度模型及改进的DE算法研究[J]. 计算机工程与应用, 2014, 50(9): 225-230.
[11]	王满英. 基于QoS模型感知的云作业调度算法[J]. 计算机工程与应用, 2014, 50(8): 57-60.
[12]	李洪斌1，苏兆锋2. 重启进化提高较大搜索规模时柔性作业解质量[J]. 计算机工程与应用, 2014, 50(14): 245-250.
[13]	宋存利. 求解柔性作业调度问题的协同进化粒子群算法[J]. 计算机工程与应用, 2013, 49(21): 15-18.
[14]	王超学1，潘正茂1，董丽丽1，马春森2，张星1. 基于改进SMOTE的非平衡数据集分类研究[J]. 计算机工程与应用, 2013, 49(2): 184-187.
[15]	李小霞，刘峰，刘建晓. 蜜蜂交配优化算法在车间作业调度中的应用[J]. 计算机工程与应用, 2013, 49(13): 262-265.

共生进化算法母体选择策略性能研究及改进

Research on parents selection method in symbiotic evolutionary algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics