- The Cooperative Coevolution Hyper-heuristic Framework 包含两部分：
- The HBWS Algorithm，使用启发式算法来调度工作流，得到最终的调度解
- The CCGP Algorithm，生成最终的启发式算法给 HBWS 使用，我们看这篇论文的目的就是看这个算法它的实现细节是什么样的。
A Cooperative Coevolution Hyper-Heuristic Framework for Workflow Scheduling Problem
The CC Hyper-Heutistic Framework
The Cooperative Coevolution Hyper-heuristic Framework 包含两部分：
- The HBWS Algorithm
- The CCGP Algorithm
The HBWS Algorithm
该算法（The Heuristic-Based Workflow Scheduling Algorithm）使用启发式算法来调度工作流，它被设计为一种基于列表的调度方法，列表中罗列有一系列的启发式算法，每个启发式算法都包含两个阶段：
- 任务优先级确认阶段，用
代表对应的启发式算法在任务优先级确认时所使用的“函数” - 资源选择阶段，用
代表对应的启发式算法在资源选择时所使用的“函数”
举个例子，对于启发式算法
HEFT，为 upward-rank 方法， 为 实际上，最后该算法只会使用一种启发式算法来调度工作流，而该启发式算法就是使用
The CCGP Algorithm最终得到的启发式算法。- 任务优先级确认阶段，用
该算法的伪代码如下：
The CCGP Algorithm
- 该算法（The Cooperative Coevolution Genetic Programming Algorithm）用于得到最终更优的启发式算法。我们看这篇论文的目的就是看这个算法它的实现细节是什么样的。
- 在 HBWS 算法中已经说明，启发式算法包含两个阶段：任务优先级确认阶段
和资源选择阶段 ，所以在 CCGP 算法中，需要对这两个阶段对应的 “函数” 进行 CCGP 算法的 “作用”，以使得最终得到的启发式算法是由最优的 组成的。
The Framework Implementation
Function and Terminal Set
Function 和 Terminal 集合就是用来构建
和 的。 Function Set：
- Function Set 都大同小异，就是常见的数学运算的算子
Terminal Set：Terminal Set 需要根据研究的问题具体设计，因为这篇论文需要分别考虑
和 ，所以作者分别就 和 设计了两组 Terminal Set。 
The CCGP Algorithm Implementation
CCGP 算法关于 GP 方面的具体实现细节基于另一篇论文《Self-Learning Gene Expression Programming》，在 SL-GEP 中，每一条染色体都包含一个 “main program” 和一系列自定义函数 “Automatically Defined Functions (ADFs)”。
既然使用了 GP，那肯定要涉及对染色体个体的适应值评估，本文所使用的适应值函数为
SLR（Schedule Length Ratio），。 初始化：使用前面的 Terminal Set、Function Set 作为染色体个体的组成块，随机初始化个体，并计算其适应值（这里计算适应值时，是通过随机挑选另一个种群中的个体来组成启发式算法，然后对工作流进行调度，再根据适应值函数计算得到的）。
交叉、变异
选择：有可能选择父代，也有可能选择新生成的子代作为新一代种群中的个体，至于选择谁，要根据两个个体的适应值进行判断（这里计算适应值时，是通过挑选另一个种群中的最优个体来组成启发式算法，然后对工作流进行调度，再根据适应值函数计算得到的）。