基于QEA可变旋转角距离的Jop-Shop调度方法

摘要

本发明公开了一种基于QEA可变旋转角距离的Jop-Shop调度方法，采用基于工序的量子染色体编码来表示一个调度，通过检测调度的有效性，提高解空间的搜索效率；进而利用基于可变旋转角的量子进化算法模式来产生子代，从而有效扩展解的多样性，能有效地防止收敛到局部最优解；同时提高了收敛速度，最终实现最少时间代价获得全局最优解(即最优的调度方案)。本发明中，由于使用了二进制解、十进制解以及工序解的形式、可变角距离的量子进化算法，使得效率上更优于其他方法。

主权项

一种基于QEA可变旋转角距离的Jop‑Shop调度方法，其特征在于，该方法包括如下步骤：步骤一：初始化量子种群Q(t)，其中t＝0；步骤二：测量量子种群Q(t)，生成基于时间编码的二进制种群timeBinary(t)，所述二进制种群中的每个个体代表一个调度方案；步骤三：将所述二进制种群timeBinary(t)转化为十进制种群timeDecimal(t)；步骤四：对所述十进制种群timeDecimal(t)由小到大排序，得到新的十进制种群timeNewDecimal(t)；步骤五：按照工序数对所述新的十进制种群timeNewDecimal(t)进行分割，得到分割后的工序方案序列sequential(t)；步骤六：计算所述工序方案序列sequential(t)中所有方案的工序加工时间适应度值并保存；步骤七：将本次迭代得到的工序方案序列sequential(t)中工序加工时间适应度值最小的工序方案存储到代表本次迭代最优解的TheCurrentBest中，然后判断TheCurrentBest和最优解bestSoFar的大小，如果TheCurrentBest<bestSoFar，则将最优解bestSoFar中的值更新为TheCurrentBest的值，否则，保持最优解bestSoFar的值不变；步骤八：判断迭代次数是否达到了设定次数，如果是，则将本次迭代后得到的最优解bestSoFar作为最终结果并结束本调度方法流程；否则，采用可变角距离策略量子旋转门进化，更新量子种群Q(t)，并令迭代次数t加1后返回步骤二。