论文部分内容阅读
对于多目标的Job-shop问题很难找到其绝对意义上的最优解，通常找到的是其Pareto意义上最优解。建立一种类Job-shop结构的知识化制造单元多目标调度优化模型，并分析模型中多目标间关系。通过对其析取图模型分析，发现各任务的关键弧的特性，指出改变中间关键孤方向无助于优化目标函数，并在此基础上提出一种缩减邻域，该缩减领域极大减少要搜索的可行解数目。基于该缩减邻域特性，应用自适应启发评价方法提出一种多目标调度问题自进化算法，算法的联想搜索模块通过学习训练后能够为当前解匹配一个最佳动作以得到一个更好的解，