求解无等待Job Shop调度的量子粒子群算法

doi:10.3778/j.issn.1002-8331.2010.26.062

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (26): 200-202.DOI: 10.3778/j.issn.1002-8331.2010.26.062

求解无等待Job Shop调度的量子粒子群算法

施若^1，2，宗利永²

1.贵州财经学院金融学院，贵阳 550004
2.上海理工大学管理学院，上海 200093

收稿日期:2009-11-05 修回日期:2010-03-29 出版日期:2010-09-11 发布日期:2010-09-11
通讯作者: 施若

Solve no wait job shop scheduling problem based on quantum particle swarm algorithm

SHI Ruo^1，2，ZONG Li-yong²

1.School of Finance，College of Finance and Economy of Guizhou，Guiyang 550004，China
2.College of Management，University of Shanghai for Science and Technology，Shanghai 200093，China

Received:2009-11-05 Revised:2010-03-29 Online:2010-09-11 Published:2010-09-11
Contact: SHI Ruo

摘要/Abstract

摘要： 针对无等待Job Shop问题，采用量子粒子群优化算法对其进行了求解。该算法采用位置矢量的编码方式，全左移验证方式计算适应值。最后通过MATLAB对实例问题的仿真测试，量子粒子群优化算法不仅收敛速度快，而且还具有较好的求解质量。

关键词: 无等待Job Shop问题, 量子粒子群优化算法, 粒子群优化算法

Abstract:

Coping with no wait job shop scheduling problem，the method that quantum particle swarm algorithm is proposed to be applied to no wait job shop scheduling problem，this algorithm uses location of the vector encoding scheme and the method of left shift timetabling to compute fitness.Then this algorithm is applied to benchmarks problems and tested with MATLAB simulation，the result shows that this algorithm has better answers and more rapid convergence.

Key words: no-wait job shop scheduling problem, quantum particle swarm optimization, particle swarm optimization

中图分类号:

TP18

施若^1，2，宗利永². 求解无等待Job Shop调度的量子粒子群算法[J]. 计算机工程与应用, 2010, 46(26): 200-202.

SHI Ruo^1，2，ZONG Li-yong². Solve no wait job shop scheduling problem based on quantum particle swarm algorithm[J]. Computer Engineering and Applications, 2010, 46(26): 200-202.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[4]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[5]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[6]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[7]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.
[8]	胡震，邹德旋，张旭. R-dPSO算法及其在ATO控制策略中的应用[J]. 计算机工程与应用, 2018, 54(24): 212-220.
[9]	何明慧1，徐怡1，2，王冉1，胡善忠1. 改进的粒子群算法优化神经网络及应用[J]. 计算机工程与应用, 2018, 54(19): 107-113.
[10]	常红伟1，夏克文1，2，白建川1，2，牛文佳1，武盼盼1. 采用云量子PSO的属性约简方法[J]. 计算机工程与应用, 2018, 54(10): 99-104.
[11]	南敬昌，田娜. 基于改进粒子群算法的模糊小波神经网络建模[J]. 计算机工程与应用, 2017, 53(3): 120-123.
[12]	颜宏文，邹丹. 基于关联规则的PSO-Elman短期风速预测[J]. 计算机工程与应用, 2017, 53(23): 261-266.
[13]	翁理国，王骥，夏旻，纪壮壮. 自适应种群更新策略的多目标粒子群算法[J]. 计算机工程与应用, 2017, 53(15): 181-186.
[14]	张军，王远强，朱新山. 改进PSO优化神经网络的短时交通流预测[J]. 计算机工程与应用, 2017, 53(14): 227-231.
[15]	李冰1，2，王虎3，王锐4. 客户群及个体服务选择影响因子研究[J]. 计算机工程与应用, 2017, 53(13): 21-28.

求解无等待Job Shop调度的量子粒子群算法

Solve no wait job shop scheduling problem based on quantum particle swarm algorithm

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