量子鲸鱼优化算法求解作业车间调度问题
发布时间:2021-12-24 15:46
为了克服基本鲸鱼优化算法(WOA)在解决作业车间调度问题时存在收敛精度低、容易陷入局部最优的缺陷,利用量子计算与优化思想提出了一种量子鲸鱼优化算法(QWOA),并对其进行了计算复杂度分析、全局收敛性证明及仿真实验。通过对11个作业车间调度问题基准算例的仿真实验发现,与基本鲸鱼优化算法、布谷鸟搜索算法(CS)、灰狼优化算法(GWO)相比,QWOA算法在最小值、平均值、寻优成功率等方面具有较优结果。研究表明,量子鲸鱼优化算法在解决作业车间调度问题时,具有更高的收敛精度和更好的全局搜索能力,且能够跳出局部最优。
【文章来源】:计算机应用研究. 2019,36(04)北大核心CSCD
【文章页数】:5 页
【部分图文】:
量子鲸鱼优化算法流程3计算复杂度分析及收敛性证明3.1计算复杂度分析
【参考文献】:
期刊论文
[1]求解作业车间调度问题的改进混合灰狼优化算法[J]. 姚远远,叶春明. 计算机应用研究. 2018(05)
[2]一种随机调整控制参数的鲸鱼优化算法[J]. 钟明辉,龙文. 科学技术与工程. 2017(12)
[3]正余混沌双弦鲸鱼优化算法[J]. 刘竹松,李生. 计算机工程与应用. 2018(07)
本文编号:3550763
【文章来源】:计算机应用研究. 2019,36(04)北大核心CSCD
【文章页数】:5 页
【部分图文】:
量子鲸鱼优化算法流程3计算复杂度分析及收敛性证明3.1计算复杂度分析
【参考文献】:
期刊论文
[1]求解作业车间调度问题的改进混合灰狼优化算法[J]. 姚远远,叶春明. 计算机应用研究. 2018(05)
[2]一种随机调整控制参数的鲸鱼优化算法[J]. 钟明辉,龙文. 科学技术与工程. 2017(12)
[3]正余混沌双弦鲸鱼优化算法[J]. 刘竹松,李生. 计算机工程与应用. 2018(07)
本文编号:3550763
本文链接:https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3550763.html