动态评价免疫微粒群算法在Job-shop调度中的应用

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (24): 189-191.

动态评价免疫微粒群算法在Job-shop调度中的应用

常桂娟^1,2，张纪会¹

1.青岛大学复杂性科学研究所，山东青岛 266071
2.莱阳农学院理学院，山东青岛 266109

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-08-21 发布日期:2007-08-21
通讯作者: 常桂娟

Dynamic evaluated immune Particle Swarm Optimization for Job-shop scheduling

CHANG Gui-juan^1,2，ZHANG Ji-hui¹

1.Complexity Science Institute of Qingdao University，Qingdao，Shandong 266071，China
2.The College of Science of LaiYang Agricultural University，Qingdao，Shandong 266109，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-08-21 Published:2007-08-21
Contact: CHANG Gui-juan

摘要/Abstract

摘要：

传统粒子群优化算法在解决组合优化问题上具有一定的局限性，通过分析其优化机理，对迭代公式加以改进，提出了改进微粒群算法。算法中，利用遗传算法的交叉思想来完成粒子间的信息交换，以期达到粒子更新。粒子进化过程中，为保留群体中的优秀粒子，使用了加速度这一优化算子。为避免粒子陷入局部搜索，迭代过程中使用免疫算法来动态评价微粒群体。通过大量实验仿真，算法可以有效求解作业车间调度问题，验证了算法的合理性。

关键词: 微粒群优化, 免疫, 作业车间调度

Abstract: Traditional Particle Swarm Optimization（PSO） has some limitation to solve the combinatorial optimization problems.An Improved Particle Swarm Optimization（IPSO） by improving the iterative formula is proposed after analyzing the optimization mechanism of the PSO.In IPSO，to update the particles，the crossover idea of genetic algorithm is utilized by particles to exchange information.To keep excellent particle in the course of evolution，the optimization operator of acceleration is proposed and utilized.Particles are evaluated dynamically by immune algorithm in the course of evolution in order to avoid getting into the local search.The experimental results show that JSP Can be solved by IPSO effectively.The rationality of IPSO is validated.

Key words: Particle Swarm Optimization, immunity, Job-shop scheduling

常桂娟^1,2，张纪会¹. 动态评价免疫微粒群算法在Job-shop调度中的应用[J]. 计算机工程与应用, 2007, 43(24): 189-191.

CHANG Gui-juan^1,2，ZHANG Ji-hui¹. Dynamic evaluated immune Particle Swarm Optimization for Job-shop scheduling[J]. Computer Engineering and Applications, 2007, 43(24): 189-191.

[1]	谢锐强，张惠珍. 求解柔性作业车间调度问题的两段式狼群算法[J]. 计算机工程与应用, 2021, 57(7): 251-256.
[2]	李宝帅，叶春明. 深度强化学习算法求解作业车间调度问题[J]. 计算机工程与应用, 2021, 57(23): 248-254.
[3]	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.
[4]	杨信民，董红斌，谭成予，周雯. 采用奇异值分解和信息增益的树突状细胞模型[J]. 计算机工程与应用, 2021, 57(15): 156-162.
[5]	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.
[6]	潘成胜，张斌，吕亚娜，杜秀丽，邱少明. 改进灰狼优化算法的K-Means文本聚类[J]. 计算机工程与应用, 2021, 57(1): 188-193.
[7]	曹林，王之腾，陈亮，李洪顺，高申，张自立. 基于改进量子免疫算法的神经网络集成[J]. 计算机工程与应用, 2020, 56(22): 142-147.
[8]	楚彭子，虞翊，林辉，袁建军，姜西. ATO系统速度控制的BP-FIPID算法[J]. 计算机工程与应用, 2020, 56(22): 224-229.
[9]	吴树景，游有鹏，罗福源. 变邻域保优遗传算法求解柔性车间调度问题[J]. 计算机工程与应用, 2020, 56(22): 236-243.
[10]	刘喜梅，潘立军. 求解公共自行车再平衡问题的克隆选择算法[J]. 计算机工程与应用, 2020, 56(11): 252-258.
[11]	熊逸，梁意文，谭成予，周雯. 基于反向选择的地震前兆观测数据异常检测[J]. 计算机工程与应用, 2020, 56(10): 226-230.
[12]	葛炎1，蒋国平2，宋玉蓉2，李因伟1. 加权网络中考虑边权和度的熟人免疫策略[J]. 计算机工程与应用, 2019, 55(8): 74-79.
[13]	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.
[14]	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.
[15]	张玉分1，龙金莲1，李婧1，卢家暄2. 基于免疫粒子群优化的主动悬架LQG控制研究[J]. 计算机工程与应用, 2018, 54(6): 252-256.