变异蚁群优化算法在流水作业排序中的应用

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (24): 216-219.

变异蚁群优化算法在流水作业排序中的应用

梅宏标^1,2，王坚¹

1.同济大学 CIMS研究中心，上海 201804
2.江西理工大学应用科学学院，江西赣州 341000

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: 梅宏标

Application of mutating ant colony optimization algorithm on flow-shop scheduling problem

MEI Hong-biao^1,2，WANG Jian¹

1.CIMS Research Centre，Tongji University，Shanghai 201804，China
2.Application Academy of Jiangxi University of Science and Technology，Ganzhou，Jiangxi 341000，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-08-21 Published:2007-08-21
Contact: MEI Hong-biao

摘要/Abstract

摘要： 在采用蚁群算法求解流水作业排序中，针对蚁群算法存在的时间过长及过早收敛问题，使用解锁素及信息素挥发率作为启发式信息并引入局部优化，对蚁群系统加以改进。计算机仿真结果表明，改进后的蚁群系统对流水作业优化调度有较好的效果。

关键词: 蚁群算法, 组合算法, 排序, 优化算法

Abstract: In solving FSSP，the unlocking element and the rate of pheromone evaporating as heuristic information and local optimization used are to develop the basic ACS（Ant Colony System） to solve the problems of premature convergence and two long time in it.And the results of simulation show that the advanced ACS is good at solving the FSSP.

Key words: ant colony algorithm, grouping algorithm, scheduling, optimization algorithm

梅宏标^1,2，王坚¹. 变异蚁群优化算法在流水作业排序中的应用[J]. 计算机工程与应用, 2007, 43(24): 216-219.

MEI Hong-biao^1,2，WANG Jian¹. Application of mutating ant colony optimization algorithm on flow-shop scheduling problem [J]. Computer Engineering and Applications, 2007, 43(24): 216-219.

[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]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[3]	高铖铖，陈锡程，张瑞，宋秋月，易东，伍亚舟. 三种新型智能算法在疫情预警模型中的应用——基于百度搜索指数的COVID-19疫情预警[J]. 计算机工程与应用, 2021, 57(8): 256-263.
[4]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[5]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[6]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[7]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[8]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[9]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[10]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[11]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[12]	张伟康，刘升，任春慧. 混合策略改进的麻雀搜索算法[J]. 计算机工程与应用, 2021, 57(24): 74-82.
[13]	徐辰华，骆珠光，吴冠宏，刘斌. 基于正弦因子和量子局部搜索的灰狼优化算法[J]. 计算机工程与应用, 2021, 57(24): 83-89.
[14]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[15]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.