论文部分内容阅读
分布式估计算法(Estimation of Distribution Algorithms，EDA)源于遗传算法，是一种对群体采用宏观方法建模和模拟的新型优化算法。这种算法通过建立解空间内个体分布的概率模型，然后对概率模型随机采样产生新的群体的方式取代了传统的交叉、变异等遗传操作，从而具有对算法参数选择不敏感，收敛速度快的优点，但是EDA极易陷入局部最优且作为一种新兴的算法，其应用范围不宽。
本文根据混合优化算法的一般规律，针对EDA算法的优缺点，提出了GA—EDA混合优化方法，利用GA技术成熟，适用范围广，全局搜索能力强的优势弥补EDA的不足，同时保持了EDA对算法参数选择不敏感的优点。用多个基准函数对改进的混合算法进行测试，取得了很好的效果，达到了提高算法的通用性以及全局搜索能力的目的。
在GA—EDA的生产调度应用中，本文针对流水车间调度问题，提出基于地址映射的编码方法，成功的避免了非法解的产生问题，而对于类似jobshop的单元重组调度问题，提出EDA的整数编码方法，降低了其编码的长度。在两类问题的仿真试验中GA—EDA算法解决生产调度问题的能力都令人满意，达到了本文将EDA算法引入到生产调度应用领域的目的。