项目优化调度问题的求解新方法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (19): 36-38.

项目优化调度问题的求解新方法

王静莲¹,刘弘²,杨文潮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:2007-08-22 修回日期:2008-01-14 出版日期:2008-07-01 发布日期:2008-07-01
通讯作者: 王静莲

Improved PSO algorithm for project optimization scheduling

WANG Jing-lian¹,LIU Hong²,YANG Wen-chao¹,LI Shao-hui²

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

Received:2007-08-22 Revised:2008-01-14 Online:2008-07-01 Published:2008-07-01
Contact: WANG Jing-lian

摘要/Abstract

摘要： 基于N维向量空间的数学表示，对标准PSO算法中速度和位置更新公式的符号及操作符进行了广义定义，进而提出了一种改进PSO算法；并将改进PSO算法应用于更具现实意义项目调度问题的求解。大量实验结果表明，该算法能有效求解的同时，其运行效率和解的性能也都优于相关算法。

关键词: 群体智能, 微粒群算法, CSCW, 进化算法

Abstract: Based on the N-dimensional vector’s description to problem solution，the paper has proposed the improved PSO algorithm by the way which is that the sign and the operation sign of the speed and the position renewal formula in the standard PSO algorithm have been redefined.Then the improved PSO is applied to solve the project optimization scheduling problem.The simulated experiments indicate the improved algorithm has better solution and the higher-performance characteristic than the genetic algorithms.

Key words: swarm intelligence, Particle Swarm Optimization algorithm（PSO）, CSCW, evolutionary algorithm

王静莲¹,刘弘²,杨文潮¹,李少辉². 项目优化调度问题的求解新方法[J]. 计算机工程与应用, 2008, 44(19): 36-38.

WANG Jing-lian¹,LIU Hong²,YANG Wen-chao¹,LI Shao-hui². Improved PSO algorithm for project optimization scheduling[J]. Computer Engineering and Applications, 2008, 44(19): 36-38.

[1]	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.
[2]	钱峥远，曾国荪. 精英化岛屿种群引导的差分进化算法[J]. 计算机工程与应用, 2021, 57(20): 73-81.
[3]	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.
[4]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[5]	李荣，贺兴时，杨新社. 基于差分进化的飞蛾算法在电力调度中的应用[J]. 计算机工程与应用, 2021, 57(13): 258-268.
[6]	沈鑫，邹德旋，张强. 采用双变异策略的自适应差分进化算法及应用[J]. 计算机工程与应用, 2020, 56(4): 146-157.
[7]	吉训生，蔡益青. 利用历史信息和限制算子求解MOFJSP[J]. 计算机工程与应用, 2020, 56(2): 272-278.
[8]	蔡延光，陈厚仁，戚远航. 变邻域量子烟花算法求解CVRP[J]. 计算机工程与应用, 2019, 55(9): 230-236.
[9]	耿焕同，周利发，丁洋洋，周山胜. 一种基于新型差分进化模型的MOEA/D改进算法[J]. 计算机工程与应用, 2019, 55(8): 138-146.
[10]	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.
[11]	周林. 低碳时变城配送车辆路径-发车调度集成优化[J]. 计算机工程与应用, 2019, 55(8): 264-270.
[12]	迟宗正，董绍正，郭童，任志磊，周宽久，郭禾. 求解风力发电机布局问题的超启发式算法研究[J]. 计算机工程与应用, 2019, 55(7): 220-225.
[13]	肖俊明，高洪洋，朱永胜，瞿博阳. 考虑新能源接入的电力多目标优化调度[J]. 计算机工程与应用, 2019, 55(23): 241-247.
[14]	许德刚，赵萍. 蝙蝠算法研究及应用综述[J]. 计算机工程与应用, 2019, 55(15): 1-12.
[15]	黄霞1，2，叶春明1，郑军1. 混合改进搜索策略的鸡群优化算法[J]. 计算机工程与应用, 2018, 54(7): 176-181.