《表7 中规模、大规模案例实验结果》
为了验证本文设计的采用对作业延迟时间编码的遗传算法(DTGA)的有效性,选取10 jobs、14jobs、18 jobs、30 jobs、60 jobs、90 jobs,各10个算例进行数值实验,与文献中对采用作业浮动时间进行编码的遗传算法(FTGA)[24]进行比较。数值实验在C#(Visual Studio 2017)语言环境下编程实现,测试平台为Intel Core i5 4th处理器,2.40 GHz主频,4G内存,结果如表4至表7所示。其中,AD、AF、AC分别为该组算例在DTGA、FTGA和CPLEX下所求得平均目标函数值,TD、TF、TC分别为平均运算时间,G1、G2分别为DTGA、FTGA所求目标函数值与CPLEX最优解的差距,G为DTGA和FTGA之间的差距。遗传算法的种群数为50,交叉概率为0.8,变异概率为0.3。
图表编号 | XD00138602200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 陆志强、许则鑫、任逸飞 |
绘制单位 | 同济大学机械与能源工程学院、同济大学机械与能源工程学院、同济大学机械与能源工程学院 |
更多格式 | 高清、无水印(增值服务) |