双目标瓶颈指派问题的遗传算法新模型及优化策略

双目标瓶颈指派问题的遗传算法(2014)是一篇深入研究多目标优化问题的论文，由黄沙日娜、赵国亮和朱捷三位作者合作完成，发表在《经济数学》杂志上。该研究针对的是一个实际的工业或工程场景中的复杂问题，即如何有效地分配任务或资源，同时考虑到决策者和工人的因素。传统瓶颈指派问题通常只关注单个目标，如最小化任务完成时间或最大化工作效率，而这篇论文提出了一种新的双目标模型。 新模型的核心在于它不仅关注任务的完成时间和效率，还引入了工人的个人偏好，例如他们对工作的排序或满意度。这使得问题更加真实，更能反映实际情况中人力资源管理的挑战。通过将双目标问题转换为单目标规划，作者们巧妙地将两个相互冲突的目标统一到一个单一的优化函数中，以便于求解。 为了解决这个转化后的单目标问题，作者们设计了一种遗传算法。遗传算法是一种模仿自然选择过程的搜索方法，适用于处理复杂的优化问题。在这个案例中，算法通过模拟基因变异、交叉和选择等遗传机制，逐步逼近双目标瓶颈指派问题的Pareto最优解。Pareto最优解是指在多目标问题中，找不到其他解能同时使所有目标都优于这个解，但至少有一个目标会变得更差。 总结来说，这篇论文的主要贡献是提出了一种新的双目标瓶颈指派问题模型，考虑了决策者和工人的因素，并运用遗传算法寻找有效的解决方案。这对于人力资源管理和生产调度等领域具有重要的实践意义，展示了如何通过优化方法来平衡多个目标，提升整体效率和员工满意度。这种研究方法和技术对于理解和改进多目标决策问题具有广泛的学术价值。