常见计划排程算法

遗传算法

遗传算法是基于“适者生存”的一种高度并行、随机和自适应优化算法‚它将问 题的求解表示成“染色体”的适者生存过程通过“染色体”群的一代代不断 进化包括复制、交叉和变异等操作‚最终收敛到“最适应环境”的个体从而求得问题的最优解或次优解。

遗传算法是基于生物进化理论的原理发展起来的一种广为应用的、高效的 随机搜索与优化的方法。其主要特点是群体搜索策略和群体中个体之间的信息交换搜索不依赖于梯度信息。

蚁群算法

蚁群算法是从自然界真实蚂蚁觅食的群体行为得到启发而提出的‚其很多观 点都来源于蚂蚁觅食原理因此算法中定义的蚂蚁与真实蚂蚁都有以下相同特点都存在一个群体中个体相互交流通信的机制都要完成一个相同的任务利用当前信息进行路径选择的随机选择策略。

蚂蚁在运动过程中，能够在它所经过的路径上释放一种特殊的分泌物—信息素来寻找路径。当它们碰到一个还没有走过的路口时，就随机地挑选一条路径前行，同时释放出与路径长度有关的信息素。蚂蚁走的路径越长则释放的信息素越小。当后来的蚂蚁再次碰到这个路口的时候，选择信息量较大的路径的概率相对较大，从而形成了一个正反馈机制。最优路径上的信息量越来越大，而其他路径上的信息量却会随着时间的流逝而逐渐消减，最终整个蚁群会找出最优路径。

蚁群算法是一种随机搜索算法，与其他模型进化算法一样，通过侯选解组成的群体的进化过程来寻求最优解。该过程包含两个阶段：适应阶段和协作阶段。 在适应阶段，各侯选解根据积累的信息不断调整自身结构；在协作阶段侯，选解之间通过信息交流，以期望产生性能更好的解。

遗传蚁群混合算法

遗传算法具有快速随机的全局搜索能力。尤其是其隐含的并行性能够有效收敛于目标解，用于大规模的调度问题具有一定的优势，但是它对于系统中的反馈信息利用却无能为力，当求解到一定范围时往往做大量的冗余迭代，使得求精确解效率降低。

蚁群算法是通过信息素的累积和更新收敛于最优路径上，具有分布式并行全局搜索能力，但初期信息素匾乏，求解速度慢。

遗传算法和蚁群算法融合的基本思想就是：在最佳点（a点）之前利用遗传算法的特性，快速、全面地生成初始信息素分布，在最佳点之后利用蚁群算法的正反馈性、高效性求取问题的最优解，融合后的算法为遗传蚁群混合算法。