典型文献
一种求解多目标FJSP的自学习遗传算法
文献摘要：
遗传算法求解多目标FJSP时,关键参数在计算过程中不能智能动态调整,从而影响算法效率和解的质量.本文基于改进的遗传算法和增强学习算法建立一种求解多目标的自学习遗传算法.遗传算法改进如下:首先提高全局和局部机器选择比重构造初始种群,然后依据快速非支配排序和拥挤距离计算适应度值,并设计选择算子,利用增强学习在种群迭代间动态调整交叉概率和变异概率,最后设计交叉和变异算子.实验部分以最大完工时间最小Cmax、最大负荷机器最小Wm、总机器负荷最小wt这3个目标为例,对多个算例进行了大量的测试和分析,证明了该方法的有效性和高效性.
文献关键词：
多目标FJSP;遗传算法;增强学习;快速非支配排序
中图分类号：
作者姓名：
常镜洳;于东
作者机构：
中国科学院大学,北京100049;中国科学院沈阳计算技术研究所,沈阳110168;大连东软信息学院,辽宁大连116023
文献出处：
引用格式：
[1]常镜洳;于东-.一种求解多目标FJSP的自学习遗传算法)[J].小型微型计算机系统,2022(12):2465-2470
A类：
动态调整交叉概率
B类：
FJSP,自学习,算法效率,改进的遗传算法,增强学习,遗传算法改进,初始种群,快速非支配排序,拥挤,距离计算,适应度值,选择算子,变异概率,变异算子,最大完工时间,Cmax,最大负荷,Wm,总机,wt
AB值：
0.359939
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
