| 基于差分量子粒子群优化算法的作业车间调度 |
| |
| 引用本文： | 黄宇,顾智勇,张中印,王东风. 基于差分量子粒子群优化算法的作业车间调度[J]. 科学技术与工程, 2022, 22(29): 12848-12854 |
| |
| 作者姓名： | 黄宇 顾智勇 张中印 王东风 |
| |
| 作者单位： | 华北电力大学（保定） |
| |
| 基金项目： | 中央高校基本科研业务费专项资金项目(2021MS089) |
| |
| 摘 要： | ![]()
针对作业车间调度问题(job-shop scheduling problem, JSP)中存在的求解复杂程度高、动态性强等难题，提出基于差分特性的量子粒子群优化算法。量子粒子群算法引入量子机制克服了粒子群算法在全局收敛性上的不足，并采用差分进化思想对粒子状态进行更新，借助变异操作增大种群多样性，对早熟粒子进行交叉选择操作，防止个体收敛到局部极值，进一步采用多邻域搜索方法以提高算法的寻优速度。对FT、LA两类JSP算例进行求解，将所提算法与离散粒子群算法、遗传算法以及细菌觅食算法进行实验对比。结果表明，4种算法收敛到FL10算例理论最优解的时间分别为127、134.8、143.5以及141.3 s;而LA36算例的理论最优解为1 268,4种算法所得结果分别为1 294.6、1 457.4、1 374.3以及1 398,且所提算法收敛时间最短。仿真结果表明所提算法能以较快的收敛速度得到最优解，相比于其他算法，寻优速度和精度都有了明显提升。
|
| 关 键 词： | 量子粒子群优化算法 差分进化 多邻域搜索 作业车间调度 |
| 收稿时间： | 2021-12-17 |
| 修稿时间： | 2022-05-05 |
Job-shop Scheduling Problem Based on Differential Quantum Particle Swarm Optimization Algorithm |
| |
| Huang Yu,Gu Zhiyong,Zhang Zhongyin,Wang Dongfeng. Job-shop Scheduling Problem Based on Differential Quantum Particle Swarm Optimization Algorithm[J]. Science Technology and Engineering, 2022, 22(29): 12848-12854 |
| |
| Authors: | Huang Yu Gu Zhiyong Zhang Zhongyin Wang Dongfeng |
| |
| Affiliation: | North China Electric Power University(Baoding) |
| |
| Abstract: | ![]()
|
| |
| Keywords: | Quantum particle swarm optimization Differential evolution Multi neighborhood search Job-shop Scheduling |
|
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
|
点击此处可从《科学技术与工程》下载全文 |
