1、“.....该方面理论还有待更深入地研究与完善。图基本遗传算法操作流程图随机产生个体构成初始种群，令对各个体进行评价是否满足算法终止条件令执行复制操作从两个个体交叉概率大于的随机数将选中父代个体作为临时个体对两个临时个体以变异概率执行变异操作产生两个新个体并加入,令令输出优化结果对选中个体进行交叉产生两个临时个体基于多色集合的遗传算法车间调度系统建模操作流程通常情况下，遗传算法的设计是按以下的步骤来进行的如图基本遗传算法操作流程图步骤确定问题的编码方案。由于遗传算法般不直接作用于问题的解空间，而是利用解的种编码来进行进化，因此选择合理的编码机制对算法质量和效率有很大的影响。步骤确定适应度函数。由于遗传算法通常基于适应度进行遗传操作，因此合理的适应度函数能使各个体的优劣程度得以体现。步骤算法参数的选择。通常包括种群数目交叉概率变异概率进化代数等。步骤遗传算子的设计......”。

2、“.....步骤确定算法的终止条件。终止准则应根据所求解问题的性质，在优化质量和效率方面作合理均衡和侧重。般遗传算法求解车间调度问题遗传算法将生物进化的原理与最优化技术和计算机技术结合起来，创造了种全新的智能优化方法，开辟了个全新的研究领域。遗传算法在解决生产调度问题中已得到广泛应用。的目标是找到个最小化的最大完工时间。编码设计因受工序加工路线的约束，作业车间调度问题不容易确定个自然表达。采用基于工序的表达法，每个基因代表道工序。为保证产生的所有自然数的排列，都可定义为可行的调度，采用的编码方式是给所有同工件的工序指定相同的符号，再根据它们在给定染色体中的顺序加以解释。对于个工件台机器调度问题，个染色体包括个基因。每个工件在染色体中出现次，每个基因不表明个工件的具体工序，而是指有上下依赖关系的工序。例如，表给出的个工件台机床的问题。假设条染色体为，其中就代表工件......”。

3、“.....为工件。因每个工件有道工序，即每个工件在染色体中出现次。比如，第个指工件的第道工序在机床上加工，第二个指工件的第二道工序在机床上加工，如此类推。工件与机床的对应关系如图所示，由中国矿业大学表个工件台机床的问题加工时间机床序列工件工序工件工序图知，机床上加工顺序为，其它机床也可对应出相应加工顺序，即得到个可行调度如图示。染色体机床图工件与机床的对应关系图个可行调度产生初始种群随机产生个位数为，用,之间的自然数编码的染色体作为初始种群，为种群数。依次用随机数产生,之间的自然数，并记录产生的次数，每个随机数在染色体中只能出现次，这样，可防止非法染色体的产生。解码设计需要设计出将染色体解码成可行调度的方法，又因每台机器上调度的工件顺序经常变动，因此为生成个调度，需记录每台机器的调度情况。每个工件的机器加工顺序不同，要记录下每个工件的加工机器序列......”。

4、“.....其中代表工件，代表工序。在调度中机器上可能产生空闲时间，且数目无法预知，用记录每台机器空闲时间的开始位置，用记录每台机器的空闲时间，其中，代表机器，代表空闲时间的数目。定义机器空闲时间为工件当前工序所在机器的加工时间和工件前道工序的完成时间之差的绝对值。调度原则是每道工序都要安排在相应机器最可能得到的加工时间进行。如果当前工序的加工时间小于机器空闲时间，需要将当前工序插入空闲时间，同时，空闲时间的开始位置和大小也发生了改变。选择用目标函数值作为适应度函数值。采用转轮作为选择方法是种正比选择策略，能够根据与适值成正比的概率选出新的种群。为了使进化过程中代的最优解不被交叉和变异操作所破坏，在转轮法的基础上还采用最佳个体保存方法，即当前群体中适应度最高的个体不参与交叉运算和变异运算......”。

5、“.....这样，可以加快搜索过程。交叉采用单点交叉，其操作过程是首先随机选取断点，然后选取第二个第个双亲的断点后部分作为后代的部分，再从第个第二个双亲中按顺序选取合法基因填充余下部分，即要保证每个,之间的自然数在染色体中只出现次，这样可避免产生非法个体。变异采用互换变异，但不是随机选取染色体的两个基因进行简单互换，否则，会产生相同的染色体。要有选择地互换两个基因不同的自然数才可。停止准则以预先设定的最大进化代数作为停止条件......”。

6、“.....其中，，。调度的任务是在台机器上安排个工件的加工任务，同时最优化既定的目标，并满足以下假设条件所有工件的工艺计划是固定不变的，就是工序加工顺序不变更工序约束工序在可供选择的机器上的加工时间是已知的出现再调度情况时，正在进行加工的工序不受影响继续加工，直到本工序完成时刻在台机器上只能加工个工件机床约束。车间调度的最终目标是在同时考虑生产工艺及制造资源等约束的基础上，为所有的制造资源在确定的时间安排生产任务，以期达到完成批生产任务时间最短目标，即最小化任务加工时间。基于多色集合的遗传算法车间调度系统建模目标函数,本文车间作业计划问题假设有种不同类型的工件，各个工件的批量分别为，个，则共有工件件，每类工件至多有道工序，而且可以多台机床加工道工序，共有台不同类型的机床设备数......”。

7、“.....确定每个工件的合理加工顺序，为了获得最短的生产周期。车间调度系统的约束模型由以上问题的描述可知其主要约束条件如下工件的每道工序必须按照定的工艺顺序进行加工，即工艺约束各工序只能在特定的机床设备上进行加工，即机床约束。为了说明怎样应用多色集合理论来描述调度任务中待加工工序所受到的工艺和机床约束，本文用个的调度问题为例讲解。由表可以得到工序机床围道布尔矩阵图，图，图，图，这些矩阵被称之为加工关系的约束模型，用于描述同类工件的工序状况以及对应加工机床的实际状态。其中列表示所有的机床信息，行表示工件工序信息，表中内容表示工序对应机床的加工时间。中国矿业大学表加工任务信息表各类工件对应的工序机床围道矩阵如下......”。

8、“.....图工件的工序机床围道布尔矩阵图工件的工序机床围道布尔矩阵图变异流程图随机选取变异基因位工序机床围道布尔矩阵基因位所用的工序是否有可替换机床将此基因位编码异为其可替代机床编码，并按照启发式规则计算变异前后机床的加工时间基因位变异，产生新染色体此基因位编码不变，染色体不变中国矿业大学实例仿真针对多件多品种的生产模式，设置如下参数种群大小为，交叉率为，变异率为，最大进化带数，得到最优解为最短加工时间。由图的进化曲线可知，此改进的算法能够在代时，从较快地收敛到，其对应的工序机床排布不仅满足条件约束工序约束机床约束，且能够实现工序的集中加工及机床资源的均衡占用率。图为调度结果的甘特图......”。

9、“.....属于同个工件种类，上面编号表示此类工件在染色体中码位序号以及工序编号。例表示类工件在染色体内处于第个码位，表示此类工件的第到工序。中国矿业大学总结由于大多调度问题属于类难的组合优化问题，因此寻找具有多项式复杂性的最优算法几乎是不可能的，但至今仍激发着学者们进行不断的探索。遗传算法作为类优化方法，由于其在解决组合优化问题方面的优势已受到各个领域专家学者的关注，其应用领域已涉及自适应控制组合优化模式识别机器学习信息处理和人工生命等。本文系统研究了遗传算法的基本原理多色集合理论分析了改进后的遗传算法在车间调度中的应用问题，主要作了下面几个方面的工作对生产调度问题进行了描述，并阐述了其重要性，介绍了生产调度问题中类重要的问题车间调度问题，总结了车间调度生产调度的优化方法和调度策略，分析了各种调度方法的特点。介绍了多色集合的基本理论基本概念......”。