用于解决两阶段混合流车间调度问题的增强拓扑的神经进化——不同求解策略的比较（Python代码实现）

本代码增强拓扑的神经进化（NEAT）在具有家庭设置时间的两阶段混合流车间调度环境中确定分配和排序决策的人工神经网络（ANN）的应用。NEAT是一种机器学习和神经架构搜索算法，它生成ANN的结构和超参数。我们的实验表明，NEAT可以在解决方案质量方面与最先进的方法竞争，并在计算效率方面优于它们。本文结构：（i）比较了五种不同的策略，用14个不同的实验进行了评估，研究了如何在混合流车间环境中将ANN应用于解决分配和排序问题，（ii）比较了最佳识别的NEAT策略与传统的启发式和元启发式和元启发式方法，涉及解决方案质量和计算效率。