算法思路

• 第一步：初始化参数，禁忌表长度
• 第二步：随机生成初始解，将初始解当做最优解。
• 第三步：通过在初始解在其邻域内变化，得到候选解集。
• 第四步：从候选解集中选择最优好的一个解。
• 第五步：用最优候选解与最优解比较，若比最优解好，就运用“藐视准则”，不管其在不在禁忌表内，都接受他，并将它重新加入禁忌表中，若它在禁忌表中，则需要删除该找对象，最后将最优候选解作为下次迭代的初始解；若最优候选解比最优解差，则判断是否处于禁忌表中，若不存在其中，就将其加入其中，若存在则抛弃，继续用这次迭代的初始解作为下次迭代的初始解。

注意

为了逃离局部最小值，禁忌搜索算法必须能够接受劣解，一旦接受了劣解，算法迭代可能陷入循环，为了必反循环，算法将最近接受的移动放入禁忌表中。所以不管最优候选解是否优于当前解，只要其不存在与禁忌表中，都应将其作为下次迭代的初始解。

改进

遗传禁忌搜索算法

先用遗传算法进行全局搜索，将遗传算法得到的解作为禁忌搜索的初始解进行禁忌搜索。

参考文献

[1]陈竑翰,熊福力,王冬源,杜瑶,储梦伶.基于混合遗传禁忌算法的预制构件调度研究[J].价值工程,2020,39(17):247-250.