1、遺傳算法是一種模擬生物進化過程的隨機搜索算法，其自組織、自適應、自學習和種群進化能力使其適合于大規(guī)模復雜優(yōu)化問題。它將問題的求解表示成“染色體”的適者生存過程，通過種群的一代代不斷進化，包括復制、交叉和變異等操作，最終收斂到“最適應環(huán)境”的個體，從而求得問題的最優(yōu)解或者滿意解。隨著計算機技術的發(fā)展，遺傳算法越來越受到人們的重視，并在機器學習、模式識別、神經網絡、優(yōu)化控制、組合優(yōu)化等領域得到了成功的應用。 生產調度問題幾乎在現(xiàn)實環(huán)

2、境中，特別是在工業(yè)工程領域無所不在。許多制造工業(yè)提出的調度問題從本質上講非常復雜，難以用傳統(tǒng)優(yōu)化方法求解。因此，調度問題成為遺傳算法領域里的一個熱門話題。原因是該問題表現(xiàn)出約束組合優(yōu)化問題的所有特征，并且成為測試新算法思想的范例。 本文第一章介紹了生產調度理論的產生、發(fā)展、分類和已有的解決調度問題的方法。第二章介紹了遺傳算法的基本原理，描述了遺傳算法的一般流程，并給出了標準遺傳算法的參數(shù)及基本操作的設計方法，并進一步指出了和傳統(tǒng)

3、優(yōu)化方法相比遺傳算法具有的獨特優(yōu)點，并提出了幾種改進的遺傳算法。第三章和第四章分別討論了JobShop調度問題和FlowShop調度問題的基本框架、標準遺傳算法的設計，并分別提出了兩種改進的遺傳算法：嫁接共生遺傳算法和佳點集遺傳算法來提高了生產調度的效率，并克服了標準遺傳算法容易早熟收斂的缺點。第五章對本文提出的幾種算法進行了數(shù)值仿真實驗。 由于遺傳算法理論分析上的困難，以及生產調度問題的復雜性，我們采用仿真的方法來驗證了相關算