批量流水调度问题的量子候鸟协同优化算法

为了求解批量流水调度问题(LFSP)的最小化最大完工时间,提出一种量子候鸟协同优化(QMBCO)算法。首先,采用Bloch量子球面编码方案扩大解空间;然后,运用FL算法优化初始解,以弥补传统随机初始解的不足,保证初始种群具有较高的质量;最后,使用候鸟优化(MBO)算法及变邻域搜索(VNS)算法进行迭代,增强算法的全局搜索能力。采用随机生成不同规模的实例仿真,将QMBCO算法与目前较优的离散粒子群优化(DPSO)算法、MBO算法和量子布谷鸟协同搜索(QCCS)算法相比较。结果表明,在两种不同运行时间下QMBCO与DPSO、MBO、QCCS相比产生的最优解平均百分比偏差(ARPD)分别平均下降65%、34%和24%,证明了QMBCO算法的有效性和高效性。

求解批量流水线调度问题的改进和声搜索算法

针对以最大完工时间为目标的批量流水线调度问题,提出一种改进的和声搜索优化算法。该算法采用ROV规则的编码方式,使具有连续本质的和声搜索算法能直接应用于调度问题。对和声库的初始化和候选解的产生方式进行改进。针对该算法容易陷入局部最优的缺陷,将其与阈值接受算法结合,得到2种混合算法。仿真结果证明了该算法的有效性。

基于批量流水线调度问题的混合离散果蝇优化算法

提出了一种混合离散果蝇优化算法,求解以最大完工时间为目标的批量流水线调度问题。与传统的果蝇算法不同,首先,该算法采用基于工序的编码方式,使得算法适合解决调度问题;其次,混合了贪婪迭代进化机制进行群体间相互协作的学习,以此平衡算法的全局开发能力和局部搜索能力。仿真试验表明了所提果蝇算法的有效性和高效性。

批量无等待调度问题的微粒群蛙跳混合优化算法

将离散微粒群与蛙跳算法相结合解决以最大完工时间为指标的批量无等待流水线调度问题。结合微粒群算法较强的全局收敛能力和蛙跳算法较强的深度搜索能力,设计了三种混合算法,平衡了算法的全局开发能力和局部探索能力。对随机生成不同规模的实例进行了广泛的实验,仿真实验结果的比较表明了所得混合算法的有效性和高效性。