混合算法(GA+TS)求解作业车间调度问题—禁忌搜索部分

大家好，在上一篇文章中，我们介绍了FJSP问题以及HA算法的GA部分。这一篇文章主要介绍嵌套在其中的Tabu Search部分。

种群进化＋邻域搜索的混合算法（GA＋TS）求解作业车间调度问题（JSP）－算法介绍

Tabu部分原论文没有很详细的描述，因此很多内容是小编收集各方资料，查阅其他相关文献总结出的结论，小编自己编写了三个tabu search，在这里分别分享介绍一下。如有专门研究这块的同学，欢迎随时指点交流！

代码会在下一期统一给出，请关注我们！

Tabu1－基于编码

在之前的文章中说过，算法对每一代子代的每一个个体，都需要decode成可行解，然后运用禁忌搜索优化解，再编码回GA编码，进入下一代。可想而知，如果tabu写的不好，算法的耗时肯定会很高。

论文中的tabu其实是以第二种为主体的。基于编码的tabu相对而言比较盲目，当初编写时也是基于试一试的心态。

前文提到，对一串合法的OS序列，无论进行怎样的交换、插入运算，都可以解码成可行解；对MS序列，在同一工件范围内任意交换顺序，也可以保证得到可行解。

因此，小编在代码中简单设计了两种邻域：1． 对相邻的OS编码进行交换操作；2． 对MS编码的每个位置分别采用GA中的变异操作。

swap很简单，再重复一下MS的变异：

随机选择MS中一半的数字，随机换为对应操作可以选择的某个机器。例如图中长度为6的MS String，随机选择三个位置，对O11而言，共有三个机器可选择，则随机选择1，2，3中一个数字替换掉原先的2。

邻域部分代码（开启了一个50％的采样）：

for （int i ＝ 0； i ＜ chromosome．gene＿OS．length － 1； i ＋＝ 2）

for （int j ＝ i ＋ 1； j ＜ chromosome．gene＿OS．length； j ＋＝ 2）

if（r．nextDouble（） ＜ 0．5）

OSs．add（swap（chromosome．gene＿OS， i， j））；

for （int i ＝ 0； i ＜ chromosome．gene＿MS．length； i＋＋）

if（r．nextDouble（） ＜ 0．5）｛

int［］ MS ＝ chromosome．gene＿MS．clone（）；

MSs．add（chromOps．machineSeqMutation（MS））；

｝

结论：这个邻域设计的比较随意，但经过小编的测试后发现效果不佳，小编在这里建议大家不要使用基于编码的邻域搜索。

Tabu2－基于析取图的k－insertion

析取图

对JSP和FJSP来说，除了用甘特图表示解意外，还有一个很重要的表示解的结构：析取图。

析取图是一张有向图。图中的点表示工序，边代表工序加工的顺序。