关于： 复杂网络, 多种群, 遗传算法, 柔性作业车间调度问题

摘要：

多种群是克服遗传算法早熟收敛的有效方法。然而，传统的多种群遗传算法（MGA）很少考虑子种群结构对MGA性能的影响，并且子种群数量有限。因此，为了弥补上述不足，提出了具有复杂网络结构的多种群遗传算法（MGA-CNS）。以柔性作业车间调度问题（FJSP）为例，研究了网络结构参数，如子种群大小、子种群数量、可控参数[（α）]、可控参数（β）]和初始网络大小对MGA-CNS性能的影响。仿真结果表明：子种群规模越大，MGA-CNS的性能越好；子群体数量不宜太小或太大；[α]的值不应太大，不应大于0.3；[β]值不应太大，不应大于0.8；初始网络大小不应大于4。最后，将MGA-CNS用于求解更多的FJSP，并与许多其他算法进行比较，以验证其有效性。

关键词： 复杂网络， 多种群， 遗传算法， 柔性作业车间调度问题