运用含复杂网络结构的多种群遗传算法求解FJSP

摘要

多种群是为了克服遗传算法易早熟收敛而提出的一种有效方法,但是传统的多种群遗传算法较少考虑子群结构对算法性能的影响,且算法子群数有限.因此,为了弥补以上不足,提出一种含复杂网络结构的多种群遗传算法(Multi-population Genetic Algorithms with Complex Network Structures,MGA-CNS),以求解柔性作业车间调度问题为例,研究子群大小、子群数、可控参数(α)、可控参数(β)以及初始网络规模对MGA-CNS寻优性能的影响.仿真表明:子群大小越大,MGA-CNS的性能越好;子群数不能取值过小,更不能取值过大;α的值不能太大,以不大于0.3为宜;β的取值也不能太大,以不大于0.8为宜;初始网络规模以不大于4为宜.将参数优化后的MGA-CNS用于求解更多的柔性作业车间调度问题并与多种其他算法比较,验证了其有效性.