QPSO算法在生产调度中的研究与应用

doi:10.3778/j.issn.1002-8331.2009.20.061

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (20): 208-210.DOI: 10.3778/j.issn.1002-8331.2009.20.061

QPSO算法在生产调度中的研究与应用

张洪业¹，曲朝阳¹，王宇新²

1.东北电力大学计算机系，吉林 132012
2.大连理工大学计算机系，辽宁大连 116024

收稿日期:2008-04-21 修回日期:2009-02-13 出版日期:2009-07-11 发布日期:2009-07-11
通讯作者: 张洪业

Study and application of QPSO algorithm on production scheduling

ZHANG Hong-ye¹，QU Zhao-yang¹，WANG Yu-xin²

1.Department of Computer Science，Northeast Dianli University，Jilin 132012，China
2.Department of Computer Science，Dalian University of Technology，Dalian，Liaoning 116024，China

Received:2008-04-21 Revised:2009-02-13 Online:2009-07-11 Published:2009-07-11
Contact: ZHANG Hong-ye

摘要/Abstract

摘要： 在对某印染企业的生产状况进行深入调研和分析的基础上，对微粒群算法及量子粒子群算法进行了对比研究，并根据实际情况对算法进行了部分改进，使之能适用于离散的生产调度问题。最后将量子粒子群算法应用到花布印染企业的生产调度中，对加工任务进行优化调度，并实现甘特图的动态生成。该结果可直接应用于企业车间调度中，具有一定的实际应用价值。

关键词: 量子粒子群优化, 生产调度, 甘特图

Abstract: The production status of some printing and dyeing corporation is researched and analyzed deeply.Based on that，quantum particle swarm optimization algorithm and particle swarm optimization algorithm are studied and compared.In order to let them apply to discrete shop scheduling problem，algorithms are modified and improved.At last，the improved QPSO algorithm is applied to production scheduling at printing and dyeing industries.Meanwhile，the dynamic generation of Gantt chart is implemented.The result of this paper can be applied to flow shop scheduling and job shop scheduling problem directly.So this paper is practical to use in reality.

Key words: Quantum Particle Swarm Optimization Algorithm（QPSO）, production scheduling, Gantt chart

张洪业¹，曲朝阳¹，王宇新². QPSO算法在生产调度中的研究与应用[J]. 计算机工程与应用, 2009, 45(20): 208-210.

ZHANG Hong-ye¹，QU Zhao-yang¹，WANG Yu-xin². Study and application of QPSO algorithm on production scheduling[J]. Computer Engineering and Applications, 2009, 45(20): 208-210.

[1]	姜天华. 猫群优化算法求解柔性作业车间调度问题[J]. 计算机工程与应用, 2018, 54(23): 259-263.
[2]	王家海，陈煜. 数据驱动的Job Shop生产调度知识挖掘及优化[J]. 计算机工程与应用, 2018, 54(1): 264-270.
[3]	张晶，高岳林. SOA和BMO的柔性分层次车间调度研究[J]. 计算机工程与应用, 2017, 53(17): 254-259.
[4]	吕丰，徐克林，周炳海. 基于柔性维护的堕化单机系统调度研究[J]. 计算机工程与应用, 2015, 51(10): 227-231.
[5]	潘大志1，刘志斌2. 量子粒子群算法的改进实现[J]. 计算机工程与应用, 2013, 49(10): 25-27.
[6]	张烈平1，2，张云生1，杨桂华2. 基于粒子群算法的流程工业生产调度研究[J]. 计算机工程与应用, 2012, 48(6): 225-228.
[7]	黄麟1，奚茂龙1，孙俊2. 改进QPSO算法的移动机器人轨迹跟踪控制方法[J]. 计算机工程与应用, 2012, 48(34): 230-236.
[8]	齐名军，杨爱红. 基于云模型云滴机制的量子粒子群优化算法[J]. 计算机工程与应用, 2012, 48(24): 49-52.
[9]	苏志雄，李铁克，王伟玲. 求解炼钢连铸生产调度问题的改进算法[J]. 计算机工程与应用, 2011, 47(5): 242-245.
[10]	徐磊，李永忠，李正洁. 基于量子粒子群优化的网络入侵检测算法[J]. 计算机工程与应用, 2011, 47(36): 102-104.
[11]	刘俊芳¹，高岳林². 带自适应变异的量子粒子群优化算法[J]. 计算机工程与应用, 2011, 47(3): 41-43.
[12]	张群，雷秀娟，马千知. 量子粒子群在投影寻踪聚类中的应用[J]. 计算机工程与应用, 2011, 47(2): 190-193.
[13]	郁钱，孙俊，须文波. 量子粒子群优化算法在摄像机标定中的应用[J]. 计算机工程与应用, 2011, 47(14): 200-203.
[14]	程伟，陈森发. 权重自适应调整的混沌量子粒子群优化[J]. 计算机工程与应用, 2010, 46(9): 46-48.
[15]	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.

QPSO算法在生产调度中的研究与应用

Study and application of QPSO algorithm on production scheduling

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