【摘要】：从20世纪60年代开始，逐步发展出许多精确算法与启发式算法用于求解项目调度问题。多数启发式算法是基于项目进度生成机制的，对于这些启发式算法，已经在前几章中做了详细的分析。因此，随着计算技术的发展，元启发式算法逐渐得到了更多的研究。遗传算法、模拟退火、禁忌搜索等算法均被认为是元启发式算法。元启发式算法对于项目调度问题，一般都有更好的求解效果。
从20世纪60年代开始，逐步发展出许多精确算法与启发式算法用于求解项目调度问题。多数启发式算法是基于项目进度生成机制的，对于这些启发式算法，已经在前几章中做了详细的分析。启发式算法的优缺点都非常明显，一方面直观、简便、快速，但是另一方面求解效率又不尽如人意（Kolisch and Hartmann，2006）。因此，随着计算技术的发展，元启发式算法逐渐得到了更多的研究。
元启发式算法（meta-heuristic）通常借鉴了不同学科领域的思想或概念（Jones et al.，2002），为不同优化问题提供了通用的算法框架（Dorigo and Stützle，2004）。遗传算法、模拟退火、禁忌搜索等算法均被认为是元启发式算法。遗传算法借鉴了基因理论，模拟种群的演化；模拟退火（simulated annealing）参考了物理学的研究成果，模仿材料的冷却过程；禁忌搜索（tabu search）则借鉴了社会学中的禁忌概念，以避免搜索过程陷于局部最优。元启发式算法对于项目调度问题，一般都有更好的求解效果（Lancaster and Ozbayrak，2007；Sebt et al.，2013）。其中，遗传算法是最常用的一种元启发式算法。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
