离散粒子群优化算法在流水作业调度问题中的应用

吉林大学学报(理学版)

离散粒子群优化算法在流水作业调度问题中的应用

付志军¹, 冯丽², 杜伟宁³, 凌振宝¹, 杨凤芹⁴

1. 吉林大学仪器科学与电气工程学院, 长春 130061; 2. 安阳师范学院数学与统计学院, 河南安阳 455002；3. 空军航空大学飞行训练基地，长春 130062; 4. 东北师范大学计算机科学与信息技术学院, 长春 130117

收稿日期:2013-10-11 出版日期:2014-05-26 发布日期:2014-08-27
通讯作者: 付志军 E-mail:fuzj11@mails.jlu.edu.cn

Applications of Discrete Particle Swarm Optimization inSolving the JobShop Scheduling Problems

FU Zhijun¹, FENG Li², DU Weining³, LING Zhenbao¹, YANG Fengqin⁴

1. College of Instrumentation & Electrical Engineering, Jilin University, Changchun 130061, China;2. School of Mathematics and Statistic, Anyang Normal University, Anyang 455002, Henan Province, China;3. Flight Training Basic, Aviation University of Air Force, Changchun 130062, China;4. School of Computer Science and Information Technology, Northeast Normal University, Changchun 130117, China

Received:2013-10-11 Online:2014-05-26 Published:2014-08-27
Contact: FU Zhijun E-mail:fuzj11@mails.jlu.edu.cn

摘要/Abstract

摘要：

通过引入随机向量, 改进离散粒子群算法DPSO的更新方程, 提出一种离散的粒子群优化算法MDPSO, 并将其应用于调度问题的求解. 实验结果表明, 该算法优于传统的时序分解算法和遗传算法.

关键词: 进化算法, 粒子群优化算法, 调度问题

Abstract:

A novel particle swarm optimization (DPSO) algorithm for solving the flexible jobshop scheduling (FJSP) was proposed by introducing random vector to improve the updating equation of DPSO. The experiments show that the proposed algorithm is superior to the temporal decomposition method and the
classic genetic method.

Key words: evolutionary algorithm, particle swarm optimization algorithm, scheduling problem

中图分类号:

TP181

付志军, 冯丽, 杜伟宁, 凌振宝, 杨凤芹. 离散粒子群优化算法在流水作业调度问题中的应用[J]. 吉林大学学报(理学版), 2014, 52(03): 561-564.

FU Zhijun1, FENG Li2, DU Weining3, LING Zhenbao1, YANG Fengqin4. Applications of Discrete Particle Swarm Optimization inSolving the JobShop Scheduling Problems[J]. Journal of Jilin University Science Edition, 2014, 52(03): 561-564.

[1]	袁倩影, 全海燕. 基于新进化优化BP学习算法的心音识别方法[J]. 吉林大学学报(理学版), 2020, 58(5): 1195-1201.
[2]	于生宝, 房钰, 高丽辉, 刁庶. 基于改进粒子群优化算法的可控发射电流频率SHEPWM控制方法[J]. 吉林大学学报(理学版), 2020, 58(5): 1207-1214.
[3]	袁开银, 王峰. 基于指标选择和加权融合的无线传感器网络安全风险评估[J]. 吉林大学学报(理学版), 2020, 58(4): 937-943.
[4]	金晓民, 张丽萍, 李慧静. 控制活动轮廓演化的快速图像分割方法[J]. 吉林大学学报(理学版), 2020, 58(3): 639-644.
[5]	史肖冰, 郭德贵, 曹捷. 基于自适应Hata模型的无线电发射源定位方法[J]. 吉林大学学报(理学版), 2020, 58(1): 109-112.
[6]	郭玉洁, 张强, 袁和平. 一种双种群协同多目标粒子群优化算法及应用[J]. 吉林大学学报(理学版), 2019, 57(5): 1155-1162.
[7]	尹伟石, 李嘉琦. 基于Bayes微分进化算法的热源识别反问题[J]. 吉林大学学报(理学版), 2019, 57(3): 517-522.
[8]	刘帅, 刘元宁, 庄述鑫, 侯铭楷, 陈静, 张水涵. 自适应优化Log-Gabor滤波器与动态径向基函数神经网络的虹膜识别[J]. 吉林大学学报(理学版), 2019, 57(2): 331-338.
[9]	张淑华, 李平. 基于组合智能算法的无线网络信道分配机制[J]. 吉林大学学报(理学版), 2019, 57(1): 139-144.
[10]	杨雪, 董红斌, 董宇欣. 改进的量子粒子群优化算法对多维多选择背包问题的求解[J]. 吉林大学学报(理学版), 2018, 56(6): 1461-1468.
[11]	王宏志, 姜方达, 周明月. 基于粒子群优化的认知无线电功率分配算法[J]. 吉林大学学报(理学版), 2018, 56(6): 1483-1487.
[12]	晁妍, 王诗兵, 王慧玲. 基于奇异值分解和粒子群优化算法的图像水印算法[J]. 吉林大学学报(理学版), 2018, 56(5): 1163-1169.
[13]	刘洋. 基于改进粒子群优化算法的图像分割[J]. 吉林大学学报(理学版), 2018, 56(4): 959-964.
[14]	楼国红, 张剑平. 粒子群算法修正测距的无线传感器网络节点定位[J]. 吉林大学学报(理学版), 2018, 56(3): 650-656.
[15]	莫才健, 武锋强, 陈莉, 邹强. 基于量子粒子群算法选择特征的遥感图像分类[J]. 吉林大学学报(理学版), 2018, 56(2): 368-374.