基于改进量子猫群算法的流水车间调度研究

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (17): 34-37.

基于改进量子猫群算法的流水车间调度研究

马邦雄，叶春明

上海理工大学管理学院，上海 200093

出版日期:2015-09-01 发布日期:2015-09-14

Research of flow-shop scheduling problem based on quantum cat swarm optimization

MA Bangxiong, YE Chunming

College of Management, University of Shanghai for Science & Technology, Shanghai 200093, China

Online:2015-09-01 Published:2015-09-14

摘要/Abstract

摘要： 猫群算法（Cat Swarm Optimization，CSO）是近年来提出的一种新型群体智能算法，针对猫群算法在求解大规模调度问题中出现的不足，如易早熟、搜索效率低下等，提出了一种改进的量子猫群算法。将猫群算法的跟踪模式和搜寻模式中猫群位置的更新，通过基于量子旋转门的量子位概率幅更新的方式来实现，并提出了随时间可变的猫群模式选择配比MR。在求解流水线调度问题的仿真实验结果中表明，改进量子猫群算法的性能远远优于基本猫群算法。

关键词: 猫群算法, 量子计算, 流水线调度

Abstract: Cat Swarm Optimization （CSO） is a kind of swarm intelligence algorithm proposed in recent years, but there are a few of shortcomings when CSO solves large-scale scheduling problems, such as prematurity and low search efficiency. In order to improve this situation, the Quantum Cat Swarm Optimization （QCSO） is proposed. The algorithm uses revolving door to update cat swarm location, moreover, the variable MR is proposed. The simulation results of solving the problem of pipeline scheduling show that the performance of the improved algorithm is superior to the basic algorithm.

Key words: cat swarm optimization, quantum computing, Flow shop Scheduling Problem（FSP）

马邦雄，叶春明. 基于改进量子猫群算法的流水车间调度研究[J]. 计算机工程与应用, 2015, 51(17): 34-37.

MA Bangxiong, YE Chunming. Research of flow-shop scheduling problem based on quantum cat swarm optimization[J]. Computer Engineering and Applications, 2015, 51(17): 34-37.

[1]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.
[2]	周林，郭兵. 改进TR门级联的量子比较器设计[J]. 计算机工程与应用, 2021, 57(19): 112-115.
[3]	魏晋1，李慧2，房明磊3. 适用网络的W态双服务器盲量子计算协议设计[J]. 计算机工程与应用, 2019, 55(6): 67-72.
[4]	许兴阳，刘宏志. 基于量子门组的卷积神经网络设计与实现[J]. 计算机工程与应用, 2018, 54(20): 54-61.
[5]	李胜1，张培林1，李兵2，吴定海1，胡浩3. 基于通用量子门的量子遗传算法及应用[J]. 计算机工程与应用, 2017, 53(7): 54-59.
[6]	李胜1，张培林1，李兵2，吴定海1，周云川3. 改进的量子遗传偏最小二乘特征选择方法应用[J]. 计算机工程与应用, 2017, 53(3): 242-246.
[7]	贺靖卿，岳春生，胡泽明. 考虑综合性约束的软件无线电应用部署算法[J]. 计算机工程与应用, 2017, 53(15): 239-243.
[8]	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.
[9]	韩红燕1，潘全科2. 基于改进离散和声算法的批量流水线调度研究[J]. 计算机工程与应用, 2016, 52(16): 65-72.
[10]	李胜1，张培林1，李兵2，周云川3. 基于量子门组的量子神经网络模型及其应用[J]. 计算机工程与应用, 2015, 51(6): 33-36.
[11]	李丽娟，吴晓，王志龙. 改进细菌觅食算法解决零空闲流水线调度问题[J]. 计算机工程与应用, 2015, 51(17): 255-258.
[12]	马邦雄，叶春明. 混合和声搜索算法求解基于学习效应的PFSP问题[J]. 计算机工程与应用, 2015, 51(11): 261-265.
[13]	侯旋. 量子门线路神经网络及其改进学习算法研究[J]. 计算机工程与应用, 2014, 50(6): 213-218.
[14]	潘玉霞，谢光，杨琳. 动态子和声算法求解无等待批量流水线问题[J]. 计算机工程与应用, 2014, 50(1): 255-259.
[15]	沈鹏. 物流配送路径优化问题求解的量子蚁群算法[J]. 计算机工程与应用, 2013, 49(21): 56-59.