粒子群算法(PSO)解决柔性作业车间调度问题(附标准测试数据及优解)

粒子群算法解决函数优化问题 1 群智能算法研究背景 粒子群优化算法 Particle Swarm OptimizationPSO 是由Kennedy 和Eberhart 在研究鸟类和鱼类的群体行为基础

包含文档、源代码、测试结果展示

一种解决柔性车间调度问题的混合遗传算法.docx

蚁群\基于改进蚁群算法的柔性作业车间调度问题的求解方法

针对离散制造业的许多产品采用柔性工艺设计增加作业计划调度的复杂性这一问题，对传统的FJSP进行了工序顺序柔性的扩展，将问题抽象为柔性工艺的作业车间调度问题（flexibleprocessJob-Sho

针对柔性作业车间调度问题，对生物地理学优化算法中的迁移操作和突变操作进行改进，提出一种改进的生物地理学优化算法。在算法初始阶段采用混合初始化的方法，提高初始种群质量；对迁移操作和突变操作采用不同选择方

为了研究多目标柔性作业车间调度问题，基于甘特图和搭积木经验进行了分析，提出了一种组合优先规则和基于此优先规则的启发式算法。组合优先规则面向完工时间、关键机床负荷和总负荷三个指标，改变规则中各数据项的比

标准粒子群算法，采用fortran语言编写，希望和大家一起交流学习

基于粒子群的MATLAB优化程序，主要是简单的优化程序

标准粒子群算法(PSO)与差分算法(DE)的matlab源码