lixiangohoh的博客

遗传算法基本简介及改进方向及参考文献推荐

局部负载均衡代码（局部机器负载生成初始种群）Local_initial def Local_initial(self, Mnumber=6): """根据局部机器负载生成初始种群,局部初始化，只对101，102，,106这类工序的机器选择进行均衡""" Job_rount = np.linspace(1, 11, num=60, dtype=int, endpoint=False) # 先生成常规的6个1,6个2，为每道工序选择机器 result_M

A hybrid Pareto based local search algorithm for multi objective flexible job shop scheduling problems一种基于基于帕累托的多目标局部智能搜索应用在柔性车间调度上可变邻域搜索步骤：第一步：

本文遗传算法改进，采用 POX交叉算子，均匀交叉算子，已经领域搜素的结果进行改进。

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、遗传算法是什么？二、使用步骤1.进行编码2.选择3.交叉4.变异5.**进化**总结前言提示：今天我们主要对遗传算法进行复盘学习。提示：以下是本篇文章正文内容，下面案例可供参考一、遗传算法是什么？示例：遗传算法就是模拟大自然中的种群变异的一种算法，其特点就是对全局进行搜索，找到最优解。遗传算法的一个缺点就是很容易陷入局部最优解。所以为了改进遗传算法，人们也花了不少心思。划重点：遗传算法需要经过编码、选择、交叉、