改进协同粒子群优化算法及其在Flow Shop调度中的应用

针对协同粒子群优化算法存在的停滞现象，提出了一种改进的协同粒子群优化算法。采用优化法的子群协作方式，既保证了收敛速率，又可以防止陷入局部最优。同时引入综合学习策略，增加种群的多样性，防止种群出现停滞现象。在此基础上，又加入了扰动机制，进一步避免算法陷入局部最优。采用该算法对3个经典函数进行测试，并将其应用于FlowShop调度问题，仿真实验结果表明：新算法有效克服了停滞现象，增强了全局搜索能力，比基本协同粒子群优化算法的优化性能更好。