Ein hybrider quantum-inspirierter genetischer Algorithmus für das multiobjektive Fließbandterminierungsproblem

In diesem Papier wird ein hybrider quantum-inspirierter genetischer Algorithmus (HQGA) für das multiobjektive Fließbandterminierungsproblem (FSSP) vorgeschlagen, das ein typisches NP-schweres kombinatorisches Optimierungsproblem mit starken ingenieurtechnischen Hintergründen ist. Einerseits wird ein quantum-inspirierter GA (QGA) basierend auf Q-Bit-Darstellung für die Erkundung im diskreten 0-1-Hyperspace unter Verwendung des Aktualisierungsoperators des Quantengate und genetischer Operatoren von Q-Bit angewendet. Darüber hinaus wird eine Zufalls-Schlüssel-Darstellung verwendet, um die Q-Bit-Darstellung in Stellen-Permutationen zur Bewertung der Zielwerte der Planlösung zu konvertieren. Andererseits wird ein permutation-basierter GA (PGA) angewendet, um sowohl Erkundung im permutation-basierten Planungsraum durchzuführen als auch die Ausbeutung guter Planlösungen zu betonen. Um Lösungen im multiobjektiven Sinne zu bewerten, wird in QGA eine zufällig gewichtete lineare Summenfunktion verwendet, und eine nicht-dominierten Sortiertechnik, einschließlich Klassifikation der Pareto-Fronten und Fitnesszuweisung, wird in PGA hinsichtlich der Nähe und Diversität der Lösungen angewendet. Zur Aufrechterhaltung der Diversität der Population werden zwei Rückschnitttechniken für die Population vorgeschlagen. Das vorgeschlagene HQGA wird auf einigen multiobjektiven FSSPs getestet. Simulationsresultate und Vergleiche basierend auf mehreren Leistungsmetriken zeigen die Wirksamkeit des vorgeschlagenen HQGA.