c++ACO蚁群优化算法 在原来已经写好的ACO蚁群优化算法(C++语言)基础上，用C++语言再写二种ACO的变种算法, 解决排列流水车间权重调度问题PFSP-WT(Permutation Flow Shop problem with Weighted Tardiness) 找到最优解


程序语言：C++
作业做完时间: 2019 年 6月 2 日 （晚上12:00） 之前。

程序要求：

在原来已经写好的ACO蚁群优化算法(C++语言)基础上，用C++语言再写二种ACO的变种算法, 解决排列流水车间权重调度问题PFSP-WT(Permutation Flow Shop problem with Weighted Tardiness) 找到最优解：
MMAS：最大最小蚂蚁系统Max-Min Ant System (可以直接尝试改进已经有的MMAS-PFSP算法)
ACS：蚁群系统 Ant Colony System
针对上面PFSP-WT实现的ACS算法基础上，再加入一个局部搜索算法，利用这个重新实现的算法作为衡量ACO算法性能的标准
作业要求者会提供：
可以使用参数化命令行来执行编写的原始ACO算法 (C++)
二种ＡＣＯ变种算法的伪代码，以及ACS算法上增加局部搜索算法的伪代码
求解排列流水车间权重调度问题的解题思路 (找到的英文办法)
一整套的测试用例 (Benchmark instance)
Boxplot数据分析的代码
作业写完后的基本检验（写报告要用到）
里面代码要求标准的注释
每一个算法在每一个测试用例上要跑10次，运行每个测试用例每次不超过30秒
对运行出来的结果做数据分析
每一种算法执行完数据用例后，可以输出一个excel数据报告，像下面这样
用例Instance
算法最优解Solution Value
算法最差解Worse Value
算法平均解Mean Value
标准方差值Standard Derivation

1.dat

2.dat

3.dat

…..

10.dat

通过box plot画出方差值比较的结果 （比如R）
使用数据分析测试工具 (Wilcox), 分析3种算法之间是否具有明显差别
每一种算法使用最开始的5组测试用例画出他们3种状态分布图（0.01*max-time, 0.1*max-time, max-time）,确保质量分布重复有20次(make sure the solution quality distributions across 20 repetitions)