李雪花，高全力，赵 辉，杨 昊，金 帅，徐国梁

(1.西安工程大学 计算机科学学院，陕西 西安 710048;2.山东如意毛纺服装集团股份有限公司，山东 济宁 272000;3.山东如意恒成产研新材料科技有限公司，山东 济宁 272000)

0 引 言

柔性作业车间调度问题(Flexible Job-Shop Scheduling Problem，FJSP)是离散制造业、流程工业等实际生产中的核心问题。FJSP问题是JSP(Job-shop Scheduling Problem)问题的扩展，包括复杂的约束条件，包括对每个工序加工时间，工序的加工顺序，以及加工设备的约束。因此，FJSP是一个典型的NP难问题。解决FJSP问题的常见方法是群智能算法，一些最常用的算法包括遗传算法、粒子群算法、鱼群算法等。

遗传算法(Genetic Algorithm，GA)是一种通过模拟自然进化机制来搜寻最优解的全局优化算法[1]，全局搜索能力强，具有可扩展性，容易与其他算法结合，但其局部搜索能力较差，容易“早熟”收敛，且对初始种群的选择有一定的依赖性[2]。近些年来一些学者通过融合遗传算法与其他算法来改善其鲁棒性，实现性能提升。陶泽等融合了遗传算法和模拟退火算法，从而提高了种群的收敛速度并防止种群陷入局部最优[3]。LI等提出一种将禁忌搜索算法与遗传算法有效结合的禁忌混合遗传算法，增强了遗传算法局部搜索能力，但计算成本较高[4]。杨振泰等提出了一种结合powell搜索法的遗传算法，改善了GA算法在迭代过程中产生比可行解的情况[5]。贾培豪等融合鲸鱼算法和遗传算法，改进传统遗传算法后期的局部搜索能力，提高算法求解质量[6]。综上所述,标准的遗传算法融合其他算法是求解FJSP问题的趋势所在。……