题目：协同进化遗传算法及其在生产系统集成优化中的应用

生产系统的集成优化问题是一类复杂的优化问题，往往需要同时并行搜索多个子问题的复杂解空间，比一般的组合优化问题更难求解，因此传统的优化算法很难有效求解该类问题，而协同进化算法由于其独特的优点和机制，对于解决复杂系统的优化问题有很强的优势。本文在总结现有协同进化算法的研究成果基础上，提出了几种协同进化遗传算法实现策略，并分别用其求解生产系统中几类典型的集成优化问题。 本文的主要工作内容如下： 1.阐明了本文的研究背景和意义，回顾了生产系统集成优化、遗传算法和协同进化算法的研究现状，归纳和总结了遗传算法和协同进化算法的基本框架及其实施的关键技术，表明了协同进化算法潜在的发展前景。 2.提出了一种求解Job Shop调度问题的合作型协同进化算法。算法选择三种类型的共生伙伴与被评价个体组成“完整解个体”，提出了一种基于优先列表的G&T算法进行解码，客观评价子种群个体，采用个体更新技术和动态群体更新策略来加快算法收敛。对MT系列和LA系列标准算例的优化结果表明，该算法具有比各类传统遗传算法更好的求解性能，同时与各类混合遗传算法和其它启发式算法相比也具有很强的优势。 3.针对Flow Shop环境下的等规模子批量流与混排序的集成优化问题，建立了最小化完工时间的非线性混合整数规模型，提出了一种基于“寄主—宿主”方式的协同进化算法求解。算法采用上下两层遗传算法，上层遗传算法优化每种产品子批量的数量，同时确定各子批量的规模，下层遗传算法优化不同产品子批量的混排序，下层遗传算法群体“寄生”在上层遗传算法的个体内。数值仿真实验证明了算法的集成优化优势和有效性，同时分析了缓冲区空间和机器调整时间对模型的影响。 4.针对订单式生产企业的批量计划与生产作业计划的集成优化问题，建立了最小化库存费用、缺货费用和加班费用之和的非线性混合整数规划模型，提出了一种混合协同进化算法。算法采用协同进化算法和遗传算法并行混合搜索的结构，协同进化的子种群分别编码批量信息和排序信息，单独进化的公共种群采用分段编码的策略，同时编码批量和排序信息，两类种群间通过“单向”迁移算子有机联系起来，提升了算法性能，并设计了有效的遗传算子提高搜索效率。通过对三种不同规模的设计算例进行优化，该算法获得了比Potter提出的合作型协同进化遗传算法更好的结果。 5.针对一类供应链简化模型，建立了集成优化制造商的生产计划与库存配送系统的库存控制策略的混合整数规划模型，采用混合协同进化算法求解，但算法采用“双向”迁移算法把协同进化的子种群和单独进化的公共种群联系起来。仿真实验结果验证了算法的有效性，同时表明了“双向”迁移算子比“单向”迁移算子在提成算法整体性能方面更具优势。 6.对某IT公司3种重要产品的库存管理进行了实证研究，建立了一种优化其库存控制策略参数的混合整数规划模型，提出了一种协同进化算法，每个子种群优化一种产品的库存控制参数，优化后得到的库存控制策略参数比实际该公司采用的库存控制策略参数在库存控制方面改进很大，从而验证了算法的有效性和实用性。