求解优化调度问题的仿真计算新方法

doi:10.3778/j.issn.1002-8331.2009.31.012

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (31): 37-39.DOI: 10.3778/j.issn.1002-8331.2009.31.012

求解优化调度问题的仿真计算新方法

王静莲¹，刘弘²，柳新华¹，李少辉²

1.鲁东大学现代教育技术教学部，山东烟台 264025
2.山东师范大学信息科学与工程学院，济南 250014

收稿日期:2008-11-12 修回日期:2009-05-14 出版日期:2009-11-01 发布日期:2009-11-01
通讯作者: 王静莲

New simulation-calculation method of solving optimized scheduling problem

WANG Jing-lian¹，LIU Hong²，LIU Xin-hua¹，LI Shao-hui²

1.Teaching Department of Modern Education Technology，Ludong University，Yantai，Shandong 264025，China
2.School of Information Management，Shandong Normal University，Jinan 250014，China

Received:2008-11-12 Revised:2009-05-14 Online:2009-11-01 Published:2009-11-01
Contact: WANG Jing-lian

摘要/Abstract

摘要： 优化调度问题是计算机领域的NP完全难问题，论文探讨了求解该问题的改进文化算法仿真计算。用数学模型形式化该问题。基于三个主要遗传算子，创新地采用可对应N维解空间广义信念空间定义的文化算法求解问题。大量仿真实验结果表明了算法的可行性、正确性和较传统GA的优越性。

关键词: 文化算法, 广义信念空间, 调度问题, NP完全难

Abstract: The optimized scheduling problem is NP-complete hard in the computer field and the paper discusses the simulation calculation of the cultural algorithm for solving the problem.This paper has formalized the problem in the math model.And then has solved the problem based on the three main genetic operators，it has applied the improved cultural algorithm whose belief spaces have innovated in being generalized corresponding to the n-dimension solution spaces.The experimental results have indicated the feasibility，the correctness and the superiority to the traditional GA.

Key words: cultural algorithm, generalized belief space, scheduling problem, NP-complete hard

中图分类号:

TP301.6

王静莲¹，刘弘²，柳新华¹，李少辉². 求解优化调度问题的仿真计算新方法[J]. 计算机工程与应用, 2009, 45(31): 37-39.

WANG Jing-lian¹，LIU Hong²，LIU Xin-hua¹，LI Shao-hui². New simulation-calculation method of solving optimized scheduling problem[J]. Computer Engineering and Applications, 2009, 45(31): 37-39.

[1]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[2]	白首华，郭广颂，胡天彤. 交互式多目标文化算法优化多模态混合指标[J]. 计算机工程与应用, 2021, 57(17): 80-87.
[3]	郭佳丽，王秋萍，王晓峰. 融合学习策略和邻域搜索的飞蛾火焰算法[J]. 计算机工程与应用, 2021, 57(12): 170-179.
[4]	闫旭，叶春明. 混合蝗虫优化算法求解作业车间调度问题[J]. 计算机工程与应用, 2019, 55(6): 257-264.
[5]	曾强1，邓敬源1，张进春1，沈玲2. 多工作日历下流水作业调度遗传优化方法[J]. 计算机工程与应用, 2019, 55(4): 238-247.
[6]	罗雄，钱谦，伏云发. 遗传算法解柔性作业车间调度问题应用综述[J]. 计算机工程与应用, 2019, 55(23): 15-21.
[7]	李智翔，李赟，贺亮. 一类特殊的非抢占式周期任务的调度方法[J]. 计算机工程与应用, 2018, 54(9): 22-27.
[8]	巫东凯，张凤斌，席亮. 自适应混合变异克隆选择算法研究[J]. 计算机工程与应用, 2018, 54(21): 78-83.
[9]	李帆1，高东1，许欣2，张玉良2. 改进蝙蝠算法柔性作业车间调度问题研究[J]. 计算机工程与应用, 2018, 54(21): 265-270.
[10]	屈迟文1，傅彦铭2，罗明山1，林承德1，何伟1. 求解柔性作业车间调度问题的鸟群算法[J]. 计算机工程与应用, 2018, 54(17): 249-257.
[11]	杨煜俊，陈业. 求解柔性机器人车间调度问题的混合蚁群算法[J]. 计算机工程与应用, 2018, 54(13): 160-167.
[12]	张文鹏，王兴. 改进型蝙蝠算法在作业车间调度问题中的应用[J]. 计算机工程与应用, 2017, 53(8): 137-140.
[13]	包晓晓1，叶春明1，黄霞1，2. 烟花算法求解JSP问题的研究[J]. 计算机工程与应用, 2017, 53(3): 247-252.
[14]	孙良旭1，曲殿利2，刘国莉3. 置换流水车间调度问题的两阶段分布估计算法[J]. 计算机工程与应用, 2017, 53(2): 64-71.
[15]	潘玉霞1，谢光1，桑红燕2，张晶1. 双目标流水线调度的动态双子群离散果蝇算法[J]. 计算机工程与应用, 2017, 53(12): 140-146.

求解优化调度问题的仿真计算新方法

New simulation-calculation method of solving optimized scheduling problem

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