基于車間調(diào)度的多目標(biāo)混合進(jìn)化算法

　　針對(duì)最大完工時(shí)間最小和總流經(jīng)時(shí)間最小的雙目標(biāo)流水車間調(diào)度問(wèn)題，提出一種快速多目標(biāo)混合進(jìn)化算法。算法將矢量評(píng)價(jià)遺傳算法的采樣策略與一種新的基于Pareto支配與被支配關(guān)系的適應(yīng)度函數(shù)的采樣策略進(jìn)行了融合。新的采樣策略彌補(bǔ)了矢量評(píng)價(jià)遺傳算法（ VEGA）采樣策略的不足。VEGA善于搜索Pareto前沿面的邊緣區(qū)域，但卻忽略了Pareto前沿面的中心區(qū)域，而新的采樣策略則傾向于Pareto前沿面的中心區(qū)域。這兩種機(jī)制的融合保證了混合算法能夠快速平穩(wěn)地向Pareto前沿區(qū)域收斂。此外，由于混合采樣策略不需要考慮距離，使得算法效率也得到了很大的提升。在對(duì)Taillard基準(zhǔn)測(cè)試集進(jìn)行的仿真實(shí)驗(yàn)結(jié)果顯示，相對(duì)于非支配排序遺傳算法（NSCA-Ⅱ）和強(qiáng)度Pareto進(jìn)化算法（SPEA2），該快速多目標(biāo)混合進(jìn)化算法在收斂性和分布性兩方面都有所提高，并且算法的效率也得到了改進(jìn)。所提出的混合算法能夠更好地解決雙目標(biāo)的流水車間調(diào)度問(wèn)題。