Print

批量流水调度问题的量子候鸟协同优化算法

论文摘要

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。

论文目录

  • 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

    • 文章来源

    类型: 期刊论文

    作者: 陈林烽,齐学梅,陈俊文,黄琤,陈付龙

    关键词: 批量流水调度问题,最大完工时间,候鸟优化算法,量子球面编码,变邻域搜索算法,平均百分比偏差

    来源: 计算机应用 2019年11期

    年度: 2019

    分类: 信息科技,基础科学

    专业: 数学,自动化技术

    单位: 安徽师范大学计算机与信息学院,网络与信息安全安徽省重点实验室(安徽师范大学)

    基金: 国家自然科学基金资助项目(61572036)~~

    分类号: O224;TP18

    页码: 3250-3256

    总页数: 7

    文件大小: 759K

    下载量: 93

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/cd114e6c2124bf64107521b3.html