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。