Python中遗传算法（GA）的适应度函数设计咨询
2026-7-31
遗传算法适配生产排程的适应度函数设计疑问
我正在用遗传算法（GA）解决生产排程问题——核心是确定不同产品的生产起始日期，目标是最小化原材料转化为成品各工序中机器可用工时的冲突。目前卡在适应度函数的设计环节，不确定现有方案是否合理，也不知道该如何优化推进。
当前实现方案
我现在的思路是计算每台机器在一段时间内每天的总负载，将过载天数的总和作为GA中每个候选解的评估值，但总觉得这个简单的设计存在概念上的问题。当前的评估代码如下：
def evaluate(self, scenario): sum_overload = calculate_load_machine(self.reference_date, scenario).to_numpy().sum() self.evaluation_note = sum_overload
示例说明
我以机器为索引、生产日期为列生成负载表，当某天机器负载超过1.00（即达到100%容量）时，判定该机器当天过载。
机器负载表
| Machines | 20/02/2023 | 21/02/2023 | 22/02/2023 | 23/02/2023 |
|---|---|---|---|---|
| mA | 0.86 | 0.80 | 0.74 | 0.90 |
| mB | 0.90 | 0.51 | 0.86 | 1.10 |
| mC | 0.33 | 0.25 | 0.24 | 0.50 |
| mD | 1.20 | 1.15 | 0.99 | 0.95 |
对应的过载表
| Machines | 20/02/2023 | 21/02/2023 | 22/02/2023 | 23/02/2023 |
|---|---|---|---|---|
| mA | 0.00 | 0.00 | 0.00 | 0.00 |
| mB | 0.00 | 0.00 | 0.00 | 1.00 |
| mC | 0.00 | 0.00 | 0.00 | 0.00 |
| mD | 1.00 | 1.00 | 0.00 | 0.00 |
在这个示例中，calculate_load_machine返回的过载总和为3。
潜在优化方向
我考虑将适应度函数改为基于每日可生产产品总数的设计：针对每台机器，根据不同产品的负载占用情况，选择合适的生产组合来避免机器过载，但不确定这个方向是否可行，也不知道具体该落地。
希望能得到关于当前方案的评审、优化建议或者新的设计思路，感谢帮助！
内容的提问来源于stack exchange，提问作者Douglas Mateus Machado
相关产品推荐
相关产品推荐
