基于链接学习的生物地理学算法求解置换流水车间调度问题

针对置换流水车间调度问题的特性，提出了一种基于链接学习的生物地理学算法(Biogeography-based optimization based on linkage learning, LLBBO)来对其求解。算法以生物地理学算法为架构，使用反向学习方法(Opposition-based learning, OBL)生成初始解，依据群体适应度值将群体分为优秀群体和劣势群体，使用信息熵的概念以及数理统计方法通过对这两个群体进行统计，分别建立概率矩阵模型以构建一种链接学习模型称为链接区块，使用链接区块依照算法迁移率对群体进行迁移操作实现群体更新。为进一步改善算法的搜寻性，提出一种NEH序列重组法对解序列执行局部搜索以进一步提高适应度。最后运用所提的LLBBO算法通过对基准例题的仿真测试和算法比较验证了所提算法的有效性。     

改进二元分布估计算法求解置换流水车间调度问题

针对置换流水车间调度这类组合最优化问题的求解,提出了一种改进二元分布估计算法(Improved binary estimation distribution algorithm, I-EDA)。算法以二元分布估计算法为架构,使用NEH(Nawaz-Enscore-Ham)启发式算法生成初始解,提高了初始解的质量;通过对优势解的统计采样构建位置矩阵模型和链接矩阵模型,依照两个矩阵模型的合并概率组合链接区块产生子代。提出了NEH插入式重组策略和基于位置概率的交换策略和两种全新局部搜索机制替代原二元分布估计算法的相邻交换法,以进一步筛选优势解。最后通过对Reeves标准测试集的仿真实验和算法比较验证了所提出算法的有效性。