coping with such disadvantages of p

coping with such disadvantages of particle swarm
optimization algorithm and GA as being easy to run into local
optima, the method of cooperative optimization is proposed to
solve the job shop scheduling problem by combing the quantumbehaved
particle swarm optimization and GA. The algorithm
applied the parallel hybrid architecture of collaborative quantum
particle swarm and GA, in which a kind migration operator was
designed to associate all population, and the result shows that this
algorithm has better answers and more rapid convergence.

ผลลัพธ์ (ไทย) 1:

การรับมือกับข้อเสียดังกล่าวของฝูงอนุภาคเพิ่มประสิทธิภาพของอัลกอริธึมและ GA เป็นการง่ายต่อการทำงานในท้องถิ่นoptima วิธีการเพิ่มประสิทธิภาพสหกรณ์นำเสนอร้านงานการวางแผนปัญหา โดย combing quantumbehaved การแก้ปัญหาการเพิ่มประสิทธิภาพฝูงอนุภาคและจอร์เจีย อัลกอริทึมใช้สถาปัตยกรรมผสมขนานของควอนตัมร่วมกันอนุภาค swarm และ GA ในซึ่งเป็นตัวดำเนินการย้ายประเภทการออกแบบการเชื่อมโยงทั้งหมดประชากร และผลแสดงที่นี้อัลกอริทึมมีคำตอบที่ดีกว่าและเร็วกว่าบรรจบกัน

ผลลัพธ์ (ไทย) 2:

การรับมือกับข้อเสียดังกล่าวจับกลุ่มอนุภาค
ขั้นตอนวิธีการเพิ่มประสิทธิภาพและการ GA เป็นเรื่องง่ายที่จะวิ่งเข้ามาในท้องถิ่น
Optima วิธีการเพิ่มประสิทธิภาพของสหกรณ์จะเสนอให้
แก้ปัญหาการตั้งเวลาร้านงานโดย combing quantumbehaved
เพิ่มประสิทธิภาพจับกลุ่มอนุภาคและ GA อัลกอริทึม
ที่ใช้สถาปัตยกรรมไฮบริดแบบขนานของการทำงานร่วมกันควอนตัม
จับกลุ่มอนุภาคและ GA ซึ่งเป็นผู้ประกอบการโยกย้ายชนิดได้รับการ
ออกแบบมาเพื่อเชื่อมโยงประชากรทั้งหมดและผลที่ได้แสดงให้เห็นว่า
อัลกอริทึมมีคำตอบที่ดีขึ้นและการบรรจบกันมากขึ้นอย่างรวดเร็ว

ผลลัพธ์ (ไทย) 3:

ข้อเสียของการเผชิญกับฝูงอนุภาค เช่นขั้นตอนวิธีการเพิ่มประสิทธิภาพ และ กา เป็น ง่าย ให้วิ่งเข้าไปในท้องถิ่นOptima , วิธีการของสหกรณ์เสนอให้เพิ่มประสิทธิภาพแก้ไขงานที่ร้านกำหนดปัญหาโดย combing quantumbehavedการเพิ่มประสิทธิภาพและขั้นตอนวิธีฝูงอนุภาค Gaสถาปัตยกรรมแบบขนานของควอนตัมที่ใช้ร่วมกันฝูงอนุภาค และ กา ซึ่งเป็นผู้ประกอบการ คือ การย้ายถิ่นออกแบบมาเพื่อเชื่อมโยงประชากรทั้งหมด และพบว่าวิธีมีคำตอบและการลู่เข้าอย่างรวดเร็วมากขึ้น