用QPSO算法求解模糊交货期Flow-shop调度问题

doi:10.3778/j.issn.1002-8331.2009.06.071

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (6): 246-248.DOI: 10.3778/j.issn.1002-8331.2009.06.071

• 工程与应用 • 上一篇

用QPSO算法求解模糊交货期Flow-shop调度问题

宋书强,叶春明

上海理工大学管理学院上海 200093

收稿日期:2008-01-14 修回日期:2008-04-14 出版日期:2009-02-21 发布日期:2009-02-21
通讯作者: 宋书强

Quantum particle swarm optimization for flow-shop scheduling problem with fuzzy delivery time

SONG Shu-qiang,YE Chun-ming

School of Management，University of Shanghai for Science and Technology，Shanghai 200093，China

Received:2008-01-14 Revised:2008-04-14 Online:2009-02-21 Published:2009-02-21
Contact: SONG Shu-qiang

摘要/Abstract

摘要： 针对模糊交货期Flow-shop调度问题的特点，运用一种收敛速度快、全局性能好、不易陷入局部最优的智能迭代算法-量子粒子群算法，对其进行求解。通过仿真实例对该算法进行了验证，结果表明，在求解模糊交货期的Flow-shop问题时，量子粒子群算法要优于遗传算法和基本粒子群算法。

关键词: 量子粒子群算法, Flow-shop调度, 模糊交货期

Abstract: According to the characteristics of flow-shop scheduling problem with fuzzy delivery time，quantum particle swarm optimization is used to solve this problem，which has good convergence speed and performance in searching global optimum.A practical analysis is used to confirm the performance of the method.The results show that QPSO is effective in solving the problem.The results of simulation indicate that QPSO is better than the genetic algorithm and the PSO.

Key words: quantum particle swarm optimization, flow-shop, fuzzy due date

宋书强,叶春明. 用QPSO算法求解模糊交货期Flow-shop调度问题[J]. 计算机工程与应用, 2009, 45(6): 246-248.

SONG Shu-qiang,YE Chun-ming. Quantum particle swarm optimization for flow-shop scheduling problem with fuzzy delivery time[J]. Computer Engineering and Applications, 2009, 45(6): 246-248.

[1]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[2]	马占飞1，杨晋2，金溢2，边琦3. 基于IQPSO-IDE算法的网络入侵检测方法[J]. 计算机工程与应用, 2019, 55(10): 115-120.
[3]	陈佳瑜，李梁，罗云. 采用多样性选择的量子粒子群双向聚类算法[J]. 计算机工程与应用, 2018, 54(9): 42-46.
[4]	唐亮1，2，仲元昌2，沈甲甲2，马天智2. 粗糙集和支持向量机的表具识别算法研究[J]. 计算机工程与应用, 2018, 54(2): 253-258.
[5]	彭越兮1，徐蔚鸿1，2，陈沅涛1，马宏华3. 改进量子粒子群算法的模糊神经网络水质评价[J]. 计算机工程与应用, 2018, 54(11): 211-216.
[6]	欧阳龙，杨剑锋，徐俊，郭成城. 基于CRQP的多小区OFDMA系统联合资源分配算法[J]. 计算机工程与应用, 2017, 53(5): 121-127.
[7]	靳雁霞，任超，李照，程思岳，王贺，韩慧妍. 融合智能算法的变形体碰撞检测算法研究[J]. 计算机工程与应用, 2017, 53(19): 130-135.
[8]	苑帅，沈西挺，邵娜娜. 引入人工蜂群搜索算子的QPSO算法的改进实现[J]. 计算机工程与应用, 2016, 52(15): 29-33.
[9]	张拓1，王建平2. 基于CQPSO-LSSVM的网络入侵检测模型[J]. 计算机工程与应用, 2015, 51(2): 113-116.
[10]	张明光，王世亮. 基于BQPSO的电网多目标优化规划[J]. 计算机工程与应用, 2015, 51(18): 266-270.
[11]	宋建立，谭阳红，张海霞，贾庸，于辉. 基于QPSO算法的电力载波通信自适应阻抗匹配[J]. 计算机工程与应用, 2015, 51(1): 228-233.
[12]	刘甲甲，王凯，袁建英，江晓亮，李柏林. 铁路扣件图像检测中的RBF-SVM模型优化[J]. 计算机工程与应用, 2014, 50(15): 30-33.
[13]	段明秀. QPSO优化的改进CLARANS聚类算法[J]. 计算机工程与应用, 2013, 49(9): 168-170.
[14]	刘文程，高家全. 解并行机模糊调度问题的自适应遗传算法[J]. 计算机工程与应用, 2013, 49(7): 60-63.
[15]	黄震. 混合量子粒子群算法求解车辆路径问题[J]. 计算机工程与应用, 2013, 49(24): 219-223.

用QPSO算法求解模糊交货期Flow-shop调度问题

Quantum particle swarm optimization for flow-shop scheduling problem with fuzzy delivery time

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics