為了求解批量流水調(diào)度問題（LFSP）的最小化最大完工時(shí)間,提出一種量子候鳥協(xié)同優(yōu)化（QMBCO）算法。首先,采用Bloch量子球面編碼方案擴(kuò)大解空間;然后,運(yùn)用FL算法優(yōu)化初始解,以彌補(bǔ)傳統(tǒng)隨機(jī)初始解的不足,保證初始種群具有較高的質(zhì)量;最后,使用候鳥優(yōu)化（MBO）算法及變鄰域搜索（VNS）算法進(jìn)行迭代,增強(qiáng)算法的全局搜索能力。采用隨機(jī)生成不同規(guī)模的實(shí)例仿真,將QMBCO算法與目前較優(yōu)的離散粒子群優(yōu)化（DPSO）算法、MBO算法和量子布谷鳥協(xié)同搜索（QCCS）算法相比較。結(jié)果表明,在兩種不同運(yùn)行時(shí)間下QMBCO與DPSO、MBO、QCCS相比產(chǎn)生的最優(yōu)解平均百分比偏差（ARPD）分別平均下降65%、34%和24%,證明了QMBCO算法的有效性和高效性。 

【文章來源】：計(jì)算機(jī)應(yīng)用. 2019,39(11)北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
0 引言
1 問題描述
2 傳統(tǒng)MBO算法
3 量子候鳥協(xié)同優(yōu)化（QMBCO）算法
    3.1 基于Bloch球面坐標(biāo)量子編碼
    3.2 種群初始化
    3.3 領(lǐng)飛鳥優(yōu)化
    3.4 跟飛鳥優(yōu)化
        1) 執(zhí)行SWAP方法。
        2) 執(zhí)行INSERT方法。
    3.5 領(lǐng)飛鳥替換
    3.6 VNS算法
    3.7 全局收斂性
    3.8 算法描述
    3.9 QMBCO流程
4 仿真實(shí)驗(yàn)與算法性能評(píng)價(jià)
    4.1 參數(shù)設(shè)置
    4.2 性能比較
5 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]基于量子進(jìn)化算法的多輪廓路徑優(yōu)化[J]. 王錚,楊衛(wèi)波,王萬良,張景玲.  計(jì)算機(jī)集成制造系統(tǒng). 2017(10)
[2]求解多目標(biāo)PFSP的改進(jìn)遺傳算法[J]. 齊學(xué)梅,王宏濤,陳付龍,羅永龍.  計(jì)算機(jī)工程與應(yīng)用. 2015(11)
[3]離散和聲求解帶啟動(dòng)時(shí)間批量流水線調(diào)度問題[J]. 潘玉霞,謝光,肖衡.  計(jì)算機(jī)應(yīng)用. 2014(02)



本文編號(hào)：2979907