批量流水调度问题的量子候鸟协同优化算法

发布时间：2021-01-16 01:43

　　为了求解批量流水调度问题（LFSP）的最小化最大完工时间,提出一种量子候鸟协同优化（QMBCO）算法。首先,采用Bloch量子球面编码方案扩大解空间;然后,运用FL算法优化初始解,以弥补传统随机初始解的不足,保证初始种群具有较高的质量;最后,使用候鸟优化（MBO）算法及变邻域搜索（VNS）算法进行迭代,增强算法的全局搜索能力。采用随机生成不同规模的实例仿真,将QMBCO算法与目前较优的离散粒子群优化（DPSO）算法、MBO算法和量子布谷鸟协同搜索（QCCS）算法相比较。结果表明,在两种不同运行时间下QMBCO与DPSO、MBO、QCCS相比产生的最优解平均百分比偏差（ARPD）分别平均下降65%、34%和24%,证明了QMBCO算法的有效性和高效性。 

【文章来源】：计算机应用. 2019,39(11)北大核心

【文章页数】：7 页

【文章目录】：
0 引言
1 问题描述
2 传统MBO算法
3 量子候鸟协同优化（QMBCO）算法
    3.1 基于Bloch球面坐标量子编码
    3.2 种群初始化
    3.3 领飞鸟优化
    3.4 跟飞鸟优化
        1) 执行SWAP方法。
        2) 执行INSERT方法。
    3.5 领飞鸟替换
    3.6 VNS算法
    3.7 全局收敛性
    3.8 算法描述
    3.9 QMBCO流程
4 仿真实验与算法性能评价
    4.1 参数设置
    4.2 性能比较
5 结语


【参考文献】：
期刊论文
[1]基于量子进化算法的多轮廓路径优化[J]. 王铮,杨卫波,王万良,张景玲.  计算机集成制造系统. 2017(10)
[2]求解多目标PFSP的改进遗传算法[J]. 齐学梅,王宏涛,陈付龙,罗永龙.  计算机工程与应用. 2015(11)
[3]离散和声求解带启动时间批量流水线调度问题[J]. 潘玉霞,谢光,肖衡.  计算机应用. 2014(02)



本文编号：2979907