Cet article introduit l'algorithme génétique guidé par la connaissance (KGGA), une métaheuristique hybride qui réinvente le croisement comme une forme d'ingénierie génétique plutôt que de recombinaison aléatoire. En intégrant directement des principes d'exploitation guidée par la connaissance dans l'opérateur de croisement, le KGGA amplifie sélectivement le matériel génétique de haute qualité, intensifiant la recherche autour des régions prometteuses de l'espace de solution. Les résultats expérimentaux sur un benchmark DRC-FJSSP à grande échelle montrent que le KGGA surpasse les alternatives à la pointe de la technologie — y compris l'algorithme génétique classique (GA), l'algorithme d'optimisation des mouches des fruits guidé par la connaissance (KGFOA) et l'algorithme hybride de colonie d'abeilles artificielles (HABCA) — atteignant systématiquement une qualité de solution supérieure.
Magalhães et al. (Mon,) ont étudié cette question.