人员排班问题一直是调度问题中经常碰到的经典问题,属于NP-hard问题。目前解决人员排班问题的方法基本上可以归为两大类,一类为最优化算法(Optimal Solution Algorithm),所谓最优化算法,即在已知的求解条件限制下,对于其欲求解的目标式在可行解空间内,搜寻一个最优的解。但此法有一个缺点,就是计算时间较长,效率较低。另外一类为启发式的算法,目前应用于人员排班方面的启发式算法有模拟退火算法,遗传算法等。其中遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法,其应用优势在于处理传统搜索方法难以解决的复杂和非线性问题。 选择遗传算法是因为其具有搜寻大范围可行解空间,避免陷入局部最优解的特性,因此在国内外处理最优优化问题时是备受瞩目的一个算法。但是由于遗传算法在遗传后期的波动现象,导致了迭代次数过大和准确率不高。本文所用的免疫遗传算法在传统遗传算法全局随机搜索的基础上,借鉴了生物免疫机制中抗体的多样性保持策略,改善了遗传算法的群体多样性,具有更好的全局搜索能力,将该算法应用在人员排班问题上,通过与传统遗传算法在性能的比较,在实验分析中获得了较好的结果。