5、离散和谐搜索算法与特征选择方法在优化问题中的应用

离散和谐搜索算法与特征选择方法在优化问题中的应用

在当今的优化领域，寻找高效且精确的算法来解决各种复杂问题是研究的热点。本文将介绍离散和谐搜索算法（DHS）及其改进版本（IDHS）在柔性作业车间调度问题（FJSP）中的应用，同时探讨一种结合裸骨粒子群优化（BBPSO）和邻域搜索策略的特征选择新方法。

离散和谐搜索算法解决FJSP问题

FJSP问题是在多台机器上安排多个作业的调度问题，每个操作可以由多台机器完成，且操作时间因机器而异。该问题主要包括为操作分配机器资源和确定每个作业操作的开始和完成时间两个子问题。根据优化指标的数量，可分为单目标和多目标优化问题，本文以最大完成时间（makespan）作为唯一优化指标。

和谐搜索算法简介

和谐搜索算法（HS）是韩国学者Geem基于自然音乐即兴创作过程提出的一种启发式算法。最初用于解决连续函数优化问题，具有参数少、结构简单、速度快和鲁棒性强等优点，逐渐被应用于工程组合优化问题。已有研究将其应用于FJSP问题，如Yuan提出的混合和谐搜索算法（HHS）、Gao设计的基于Pareto的分组离散和谐搜索算法（PGDHS）以及Maroosi引入的基于膜计算的并行框架改进的和谐搜索算法。

离散和谐搜索算法（DHS）

• 框架 ：DHS算法的框架包括四个基本步骤：
  1. 初始化FJSP问题，设置算法参数HMS、HMCR、PAR和Tmax。
  2. 随机初始化和谐记忆（HM），每个和谐是一个候选解。
  3. 开始迭代，反复更新HM。迭代过程的伪代码如下：
  <