1.基于量子候鸟优化算法求解无等待流水调度问题的方法，其特征在于：包括如下步骤：S1、分析无等待流水调度问题；

S2、运用量子候鸟协同优化算法在无等待流水调度的约束条件下求解；

S3、得出各规模工件的生产次序及对应的最大完工时间。

2.如权利要求1所述的基于量子候鸟优化算法求解无等待流水调度问题的方法，其特征在于：在步骤S1中分析无等待流水调度问题的方法为：S11、n个工件在m台机器上加工，所有工件在各机器上的加工路线均相同；

S12、某一时刻一个工件只能在一台机器上加工，一台机器在某一时刻只能加工一个工件，同一工件在相邻两道工序之间没有等待时间，每个工件在每道工序的加工时间已知；

S13、安排各工件的生产次序，使得调度指标最小，所述调度指标是指最大完工时间。

3.如权利要求2所述的基于量子候鸟优化算法求解无等待流水调度问题的方法，其特征在于：步骤S13中调度指标计算方法为：S131、设工件数为{1,2,…,n}和机器数为{1,2,…,m}，Pu,v为工件u在机器v上的加工时间，u∈{1,2,…,n}，v∈{1,2,…,m}；

S132、Ck,i为机器i上第k个工件的完工时间，k∈{2,…,n}；

S133、π为工件按照一定加工次序形成的序列，记为{π1，π2，…πk}，由于受到工件加工过程无等待的约束，相邻的工件πk-1和πk之间存在一个开工时间差，记为 Cmax(π)为序列π的最大完工时间；

S134、开工时间差的计算公式为：

最大完工时间计算公式为：

通过求得各工件之间的开工时间差 并运用Cmax(π)公式即可求出目标值最大完工时间。

4.如权利要求2所述的基于量子候鸟优化算法求解无等待流水调度问题的方法，其特征在于：量子候鸟协同优化算法求解方法包括如下步骤：S21、初始化参数：种群大小ps，最大迭代次数Umax，邻域解个数Cnum，候鸟群体左翼数组Lp[m1]，候鸟群体右翼数组Rp[m2]，巡回次数K，分享邻域解个数Snum；

S22、初始化种群，随机生成ps个个体{x1,x2,…,xps}；

S23、对初始化的种群中的ps个个体执行量子双链编码种群，并引入量子旋转门，然后对量子候鸟编码采用LOV规则生成ps个序列π＝{π1,π2,…,πn}，π为工件按照一定加工次序形成的序列；

S24、对调度序列π执行变异的FL算法进行优化并对优化后的ps个序列进行目标值排序，将目标值最小的序列作为初始解π′；

S25、令U＝1,2,…,Umax开始进入迭代循环操作；

S26、令巡回次数V＝1,2,…,K开始进入巡回循环操作；

S27、令π′为领飞鸟的解，用IG算法对初始解π′对应的序列进行处理生成：领飞鸟的邻域解集合LBc，LBc＝{N1,N2,…NCnum}；领飞鸟的Cnum个邻域解中Nbest的目标值最小，记为Min{N1,N2,…NCnum}，其中邻域解对应的是各个工件的序列；

S28、将领飞鸟的Cnum个邻域解中的最小目标值Nbest：Min{N1,N2,…NCnum}与初始解π′：{π1,π2,…,πn}比较目标值，若小于初始解的目标值则将初始解π′替换成Nbest；

S29、将集合LBc中未被使用的邻域解按照目标值由小到大排序，按由小到大顺序依次取2Snum个邻域解随机填入左集合Sn_L[]和右集合Sn_R[]中，使得两个集合都包含Snum个邻域解；

S30、令m1＝1,2,…,(ps-1)/2，依次循环进入S31步骤循环，生成数组Lp；

S31、随机使用交换函数Swap和插入函数Insert的方法生成候鸟左翼数组Lp[m1]的Cnum–Snum个邻域解，然后和左集合Sn_L合并构成Lp[m1]的邻域解集合FBc[m1]；将邻域解集合FBc[]里最大完工时间最小的序列赋值给Nbest，即Nbest＝Min(Cmax(FBc[]))；若加工序列Nbest对应的最大完工时间小于左翼数组Lp[m1]序列的最大完工时间，即Cmax(Nbest)

S32、令m2＝1,2,…,(ps-1)/2，依次循环进入S33步骤循环，生成数组Rp；

S33、随机使用交换函数Swap和插入函数Insert的方法生成候鸟右翼数组Rp[m2]的Cnum–Snum个邻域解，然后和Sn_R[]合并构成Rp[m2]的邻域解集合FBc[m2]；将邻域解集合FBc[m2]里最大完工时间最小的序列赋值给Nbest，即Nbest＝Min(Cmax(FBc[]))；若加工序列Nbest对应的最大完工时间小于右翼数组Rp[m2]序列的最大完工时间，即Cmax(Nbest)

S34、判断V是否循环至K，若是执行下一步，否则进入S26步骤进行迭代；

S35、分别求数组Lp和Rp的最大完工时间Cmax，将其对应最大完工时间Cmax最小的Lp[A]，Rp[B]分别赋值给左右两翼数组的首个解Lp[1]，Rp[1]，比较左右两翼的首个解Lp[1]和Rp[1]的最大完工时间Cmax，将较小者作为领飞鸟，旧的领飞鸟自动回至所在翼的尾部；

S36、输出领飞鸟的解作为工件加工序列，求出加工序列对应的最大完工时间；

S37、判断U是否循环至Umax，若是，则量子候鸟协同优化算法结束，否则进入S25步骤进行迭代。

5.如权利要求4所述的基于量子候鸟优化算法求解无等待流水调度问题的方法，其特征在于：S23中量子双链编码包括如下步骤：S231、流水调度问题中的解为所有可能形式的作业排列，量子个体中的每个量子位可代表一个作业，且 的概率符用量子角的形式表示，即因此，量子比特可以由圆上的一点P(cos(θ),sin(θ))描述，长度为n的量子个体即种群个体q由n个量子位组成，q可描述为：群体初始化时，量子角θj(1≤j≤n)在[0,2π]内随机生成。

6.如权利要求4所述的基于量子候鸟优化算法求解无等待流水调度问题的方法，其特征在于：在步骤S23中，采用量子旋转门包括如下步骤：S232、量子旋转门是根据当前最优解变化自适应调整旋转角Δθ，使算法的进化方向趋于当前最优解方向，避免算法提前收敛，量子候鸟优化算法中用于更新量子比特相位的量子旋转门为：更新过程即为：

在S231步骤中由n个量子位组成的种群个体q可描述为：

每个种群个体q即代表一种加工序列。

7.如权利要求4所述的基于量子候鸟优化算法求解无等待流水调度问题的方法，其特征在于：在步骤S23中，采用LOV规则包括如下步骤：S233、对于候鸟种群中的每个个体xi(1≤i≤ps)即代表S231步骤中的q，由量子编码过程后得出的量子种群数组，得出的一系列值进行降序排列；

S234、对排序后的序列依次搜索每个序号对应其排序前的量子种群位置，将初始作业顺序{j1,j2,…,jn}按顺序插入，即得出解码为调度序列{π1,π2,…,πn}。

8.如权利要求4所述的基于量子候鸟优化算法求解无等待流水调度问题的方法，其特征在于：在步骤S24中，采用FL算法包括如下步骤：S241、对于j∈{1，2，3，…，ps}，计算各种群的Cmax值，取最小的种群个体的初始排列π0＝{π0(1)，π0(2)，…π0(n)}；

S242、取出π0的前两个工件π0(1)和π0(2)，将其排序得到两个部分调度{π0(1)，π0(2)}和

0 0

{π(2)，π(1)}，分别评价这两个部分调度的Cmax值，将较好的部分排列作为当前调度，记为π＝(π(1)，π(2))，令k＝3；

S243、取出π0的第k个工件π0(k)，将其分别插入到π的所有位置l，1≤l≤k，共得到k个部分排列，评价所得部分排列，并将Cmax最小的部分排列作为当前调度π；

S244、令i＝1，2，…，k-1和i′＝i+1，i+2，…，k，分别交换当前调度π的π(i)和π(i′)，共得到k×(k-1)/2个邻域解，评价这些邻域解，令具有最小目标值的邻域解为π″，如果Cmax(π″)

S245、令k＝k+1，如果k≤n，则转至S243步骤；否则输出π，算法结束。

9.如权利要求4所述的基于量子候鸟优化算法求解无等待流水调度问题的方法，其特征在于：在步骤S24中，对优化后的序列进行目标值排序解释如下：S246、对使用FL算法处理后的ps个序列求Cmax值，并按照其值进行排序，将最小的值对应的π′作为初始解。

10.如权利要求4所述的基于量子候鸟优化算法求解无等待流水调度问题的方法，其特征在于：在步骤S27中，运用IG算法包括如下步骤：S271、首先参考相关实验数据，根据分析结果设定一个合适的参数值d，作为序列工件删减的个数；

S272、对当前的领飞鸟序列πled＝{π1,π2,…,πn}，随机删减序列πled中的d个工件，并将被删减的这d个工件依次存入序列πd中，πled删减d个工件之后的序列记为π″′＝{π1,π2,…,πn-d}；

S273、将πd中的第一个工件插入π″′中的所有空位，分别评估计算插入工件后序列的最大完工时间，保留最大完工时间最短的序列作为新的π″′；

S274、然后再按照S273步骤中相同的操作依次插入πd中剩下的工件，直至把πd中所有的工件都插入序列，将最大完工时间最短的序列作为领飞鸟序列πled的一个邻域解；

S275、若生成的邻域解个数小于Cnum，重复S272，S273，S274操作，否则操作停止；

S276、完成上述操作后，即可生成领飞鸟的邻域解集合LBc[]。