[发明专利]基于量子候鸟优化算法求解无等待流水调度问题的方法

说明书

本发明公开了基于量子候鸟优化算法求解无等待流水调度问题的方法，包括如下步骤：S1、分析无等待流水调度问题；S2、运用量子候鸟协同优化算法在无等待流水调度的约束条件下求解；S3、得出各规模工件的生产次序及对应的最大完工时间。本发明设计了一种量子候鸟协同优化算法求解无等待流水调度问题的方法，采用量子双链编码方式及量子旋转门操作改进了候鸟优化算法得出的工件加工序列及最大完工时间，最后将量子计算融入候鸟优化算法中得出最优加工序列及最大完工时间。本发明能够有效节约调度管理所需付出的人力物力资源、降低企业调度成本、提高设备利用率及生产效率。

技术领域

本发明涉及优化算法中求解无等待流水调度领域，融入量子候鸟协同优化算法，属于智能优化算法的求解调度问题方法领域。

背景技术

在当今经济飞速发展的时代，制造业是整个国民经济的基石，它的持续发展离不开科学管理与生产调度。生产调度，即对生产过程中进行计划与调度，位于计算机集成与制造系统五个层次之间，是整个制造系统实现运筹、优化、管理、自动化与计算机一体化的核心技术。生产调度问题是指为完成若干项任务而将所需资源进行最优分配的过程，是近年来管理科学与自动化领域的专家学者研究热点之一。其中安排流水调度问题中生产作业的调度，使得效率最大化是目前所研究的热点与难点。

智能优化算法由于能在多项式时间内寻找较高质量的次优解已经成为解决调度问题最有效算法之一。常见的算法有遗传算法(Genetic algorithm,GA)、蚁群优化(Antclolny optimization algoriithm,ACO)、粒子群优化(Particle swarm optimizationalgoriithm,PSO)、模拟退火(Simulated annealing algoriithm,SA)、人工神经网络(Artificial neural network algoriithm,ANN)和差分进化(Differential evolutionalgoriithm,DE)。近几年新兴的蛙跳算法(Shuffled frog leading algorithm,SFLA)、人工蜂群算法(Artificial bee colony algorithm,ABC)、布谷鸟搜索算法(Cuckoo search,CS)、萤火虫算法(Firefly algorithm,FA)及候鸟优化算法(Migrating birdsoptimization,MBO)等算法统称为进化算法。此类算法基于“适者生存”的进化理论，随着种群的不断进化，算法最终可收敛问题的最优或次优解。

量子候鸟协同优化算法结合了量子机制和候鸟优化(Migrating birdsoptimization,MBO)算法，MBO算法是Duman等人为了模拟候鸟在长距离迁徙飞行过程中队列次序的变化而提出的一种基于邻域搜索技术的新型仿生智能优化算法。

发明内容

本发明提出了一种新颖的量子候鸟优化算法，目的在于克服现有算法在求解无等待流水调度问题上的劣势。通过量子计算与候鸟算法融合的方法求出无等待流水调度问题中较优工件加工序列及目标值。

为了实现上述目的，本发明采用的技术方案为：基于量子候鸟优化算法求解无等待流水调度问题的方法，包括如下步骤：

S1、分析无等待流水调度问题；

S2、运用量子候鸟协同优化算法在无等待流水调度的约束条件下求解；

S3、得出各规模工件的生产次序及对应的最大完工时间。

步骤S1中分析无等待流水调度问题的方法为：

S11、n个工件在m台机器上加工，所有工件在各机器上的加工路线均相同；

S12、某一时刻一个工件只能在一台机器上加工，一台机器在某一时刻只能加工一个工件，同一工件在相邻两道工序之间没有等待时间，每个工件在每道工序的加工时间已知；