← 返回刚才阅读的位置

知识卡片

结构图卡 · 3760.a.1.b

ODDE结合初始化与自适应交叉

理解等级:高级

差分进化(DE)原本在连续实数向量上运算,置换流水车间调度的解却是工件排列。ODDE 用三项改造把两者接起来:

  • 编码:用随机键规则把连续向量译成排列,思路是按各分量的数值大小排名、名次对应工件位置(同 [[排列编码须保持城市唯一]] 中的随机数表示)。
  • 初始化:一部分个体由 NEH 启发式构造,保证起点质量;其余随机生成,保证多样性。
  • 搜索控制:按种群多样性调整交叉率,并加入局部搜索帮助跳出局部最小值。

这是编码、初始化和搜索控制的组合方案。原书未给随机键的具体规则、NEH 步骤、多样性度量、交叉率映射或局部搜索算子,不能据此直接复现或保证效果。

结构图:

flowchart TD
  A[PFSP工件排列] --> B[随机键映射连续位置]
  C[NEH启发式与随机初始化] --> D[初始种群]
  B --> E[差分进化搜索]
  D --> E
  E --> F[按种群多样性调交叉率]
  F --> G[局部搜索]
  G --> H[候选排列]
这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 1 0 . 4 . 1 基 于 差 分 进 化 算 法 的 置 换 流 水 线 调 度 · 查看原书依据

      针对PFSP,Lin和Yin设计了一种基于差分进化的Memetic算法[45-46],称为ODDE算法,为了使DE算法适用于PFSP,引入了一种基于随机密钥的新规则,将DE算法中的连续位置转换为离散作业排列,并将NEH启发式方法与随机初始化结合以提高种群质量和多样性。ODDE算法提出了一种基于人口多样性测度的方法来调整交叉率,提高了算法的全局优化特性,同时,引入了局部搜索帮助算法,摆脱了局部最小值。

    参考来源

    - 位置:《智能算法导论》第 10 章《10.4.1 基于差分进化算法的置换流水线调度》(源文件:`_epub-src/EPUB/xhtml/chapter10_0011.xhtml`) - 结论依据:ODDE段落逐项说明随机密钥离散映射、NEH与随机初始化组合、按种群多样性调整交叉率和局部搜索;没有给出各算子的定义或参数。 - 原始内容:为了使DE算法适用于PFSP,引入了一种基于随机密钥的新规则,将DE算法中的连续位置转换为离散作业排列,并将NEH启发式方法与随机初始化结合以提高种群质量和多样性。ODDE算法提出了一种基于人口多样性测度的方法来调整交叉率,同时,引入了局部搜索帮助算法。