资源空窗期及任务可拆分的资源投入问题研究

考虑飞机装配过程中任务可拆分及资源存在空窗期的两大特性,对飞机移动生产线资源投入问题进行模型与算法研究.针对部分任务存在已知拆分模式及拆分惩罚的情形,设计了求解该问题的改进遗传算法,对传统实数交叉操作进行优化,提出了基于染色体适应值的交叉方法,并在数值实验中对相关参数的取值范围进行了敏感性分析;同时,提出了基于任务开始时间选择概率的变异机制.对满足优化条件的任务调度方案,结合空窗期的位置,评判各可拆分任务可否通过选取新的拆分模式重新调度执行,对不同情形进行总结归纳,通过局部操作进一步降低目标资源量.数值实验表明:通过本文算法对求解带资源空窗期的任务不可拆分问题与基本问题的结果对比,得到任务数分别为10、16、30、60、90算例的目标值平均增量达到4.3%;对求解本文问题与任务不可拆分问题的结果对比,平均优化率达3.5%,证明了本文算法的有效性,同时证明将任务拆分纳入考虑资源空窗期的资源投入问题中,可提高问题求解的灵活性,从而获得较好的调度结果.     

项目拆分与资源投入调度问题的集成优化

基于一类实际生产决策需求,提出了依赖于项目拆分的资源投入调度问题.在分析项目拆分对资源投入影响的基础上,以资源投入最小化为目标,建立了项目拆分与资源投入调度问题的集成优化模型.结合项目拆分和资源投入调度的特点,提出了包含项目拆分优化和资源投入调度优化的两阶段集成优化算法.项目拆分阶段分析可行的拆分条件,采用项目初始拆分及局部调整的方法,可以快速获得较优的项目拆分方案.资源投入调度阶段以采用作业优先级和资源能力双列表编码的遗传算法为搜索框架,充分利用迭代过程中的信息,设计一种基于概率分布的资源能力选择方法来改进资源列表,使资源能力列表加速向最优解收敛.应用PSPLIB标准算例进行数据实验,结果证明了该算法的有效性和可靠性.     

面向网络化制造的多工艺路线规划与调度集成

针对传统的工艺规划与生产调度方法难以满足网络化制造环境下多工艺规划与生产调度集成的问题,建立了一种多工艺路线规划与生产调度集成数学模型,以实现网络化制造环境下多制造任务的工艺路线规划与生产调度的协同决策,产生符合实际生产需要的工艺路线与生产调度方案.为了实现对该集成数学模型的有效解算,分别设计了遗传算法与免疫算法的模型解算方法进行求解,并比较了这2种解算方法的解算效果.仿真结果表明,采用所建立的集成数学模型与解算方法可有效解决网络化制造环境下多工艺路线规划与调度集成的问题,但在求解效率与精度上免疫算法要优于遗传算法,从而为实际应用提供了借鉴.     

带时间窗口的任务可分活动网络协作计划模型

提出提高活动网络的资源利用率的任务可分协作计划,并建立了带时间窗口的活动网络协作模型.该模型用时间窗口来表示不确定的时间范围,而且实现了项目任务在时间窗口约束下的拆分和协作.针对该模型具有连续性的特点,设计了基于粒子群算法结合遗传算法选择变异机制的求解算法.最后通过算例验证了该模型和算法的正确性和有效性.     

基于项目拆分决策的多模式资源投入

结合一类实际生产决策需求,提出了基于项目拆分决策的多模式资源投入调度问题,并以资源投入最小化为优化目标,建立了问题的数学模型.针对模型特点,提出了包含项目拆分算法和多模式资源投入型项目调度算法的双层优化算法,其中项目拆分算法通过将作业在不同子项目之间有效移动获得合理的拆分方案,多模式资源投入型项目调度算法通过分析不同作业对时间约束和资源约束的影响来确定优先级规则,进而得到最佳调度方案.应用PSPLIB标准算例进行数据实验,结果证明了算法的有效性和可靠性.     

采用实时生产信息的单元制造任务动态调度方法

运用无线射频技术来实现对制造单元加工现场实时生产信息的动态获取,并针对制造单元生产过程中常发生的新任务加入、设备损坏和交货期更改的不确定性事件,以制造任务最短完工时间为调度目标,建立了单元制造任务的动态调度模型,通过引入爬山搜索方法构建了混合遗传算法,实现了对该模型的有效解算.混合遗传算法的进化操作由选择、交叉、变异与爬山进化算子组成,可有效地提高算法的收敛速度,在开发的采用实时生产信息的单元制造任务动态调度系统上进行了调度案例验证,结果表明,所提出的方法可以有效地解决不确定性事件的单元制造任务的动态调度问题,从而提高了调度方案与制造单元实际生产需求的一致性.     

多模式下装配式建筑工程资源受限调度方法

针对以往装配式建筑调度研究中,主要基于一个活动只有一种固定资源投入和固定工期的执行模式,而实际调度过程中多种资源投入和不同工期的多种执行模式普遍存在的问题,以及装配式建筑一体化建造建模方法的不足,建立以装配空间工期最短,以及在装配空间工期最短限定下的生产空间工期最短的多模式资源约束模型,在该多维空间调度模型的基础上,设计了一种搜索能力强、能有效求解该问题的布谷鸟算法(CS)。最后通过装配式建筑项目实际案例分析和遗传算法(GA)的性能对比,证明本文构建的调度模型和算法设计能有效的解决多模式下装配式建筑工程资源受限调度问题,丰富了装配式建筑项目调度这一领域的理论方法。     

基于项目网络拆分决策的多项目协同调度问题建模

以大型工业品资源共享型节拍式流水装配过程为背景,提出基于项目网络拆分决策的多项目协同调度问题.根据装配过程作业的周期性调度需求,将单个项目的作业集合划分成共享资源的多个并行执行的协同子项目,以最小化节拍时间为目标,建立了项目网络拆分与项目调度同时决策的数学优化模型,设计了一种双层循环迭代算法以对模型进行求解.算法的上层是基于有效时序约束数量的作业划分构造型启发式算法,可在多项目网络之间调整作业的从属关系;算法的下层采用基于优先规则的启发式算法对上层拆分后的多项目网络进行求解,并将调度结果反馈至上层,通过循环迭代不断优化项目来调度计划.数据实验结果表明,所提算法能够有效提高资源利用率,且其求解质量和效率较高.     

改进CPSO算法在电子产品生产调度中的应用

为解决电子制造企业生产计划的调度问题,以总完工时间最小为优化目标,建立生产调度优化模型,采用改进混沌粒子群(CPSO)算法进行求解.该算法中引入一种叠加Logistic扰动的Tent算子,使得算法在迭代过程陷入局部最优时能够进入混沌搜索机制.该算法利用算子良好的均匀分布特性随机更新代表产品加工顺序的粒子位置向量,保证种群的多样性,减少出现早熟现象.利用标准测试算例与某电子制造企业生产调度实例,分别对所提出的改进算法和标准PSO算法进行对比.研究结果表明:改进算法在解的平均值和标准差上优于标准PSO算法,适用于解决实际生产调度问题.     

数控加工中心任务与刀具集成调度模型及改进自适应遗传算法

为解决数控加工中心任务与刀具的集成优化调度问题,以生产总成本最小为优化目标,建立了考虑任务交货期和工步并行加工的数控加工中心任务与刀具集成调度模型,产生面向数控加工中心任务与刀具的协同优化调度结果。为实现对该调度模型的优化求解,提出了一种改进自适应遗传算法,设计了合理的编码方式和自适应进化操作,并通过任务-刀具关联矩阵保证搜索过程中解的可行性,从而显著提高了算法的收敛性能和求解效率。算例结果表明,该模型能够最大限度地降低加工成本和拖期率,同时算法的收敛速度和稳定性也得到了明显提高,大大降低了问题求解的迭代次数。     

基于分层禁忌遗传算法的卫星任务调度方案

对地观测卫星在地球观测系统中起着核心作用,任务调度是对地观测卫星满足更多任务需求并获得高观测效率的重要手段。随着用户的激增,大量的任务请求引起卫星资源、时间资源的冲突,导致卫星任务的调度效率低下。为了解决上述问题,通过拆分和聚类2种策略对任务进行预处理,设计了一种基于分层禁忌遗传算法(layered tabu genetic algorithm, LTGA)的卫星任务调度方案。建立了对地观测系统模型,分析了观测任务调度的相关约束;通过分析任务时间窗口冲突情况来确定任务拆分方式,通过计算聚类距离来区分任务分布状态,从而选取合适的观测任务构成预调度任务集合;在上述任务规划的基础上,提出LTGA完成任务的选取和排序,生成观测计划。仿真结果表明,所提出的卫星任务调度方案能够有效提升调度收益、降低调度时间。     

基于遗传-蚁群算法的云计算任务调度优化

为了找到最佳的云计算任务调度方案, 缩短云计算任务完成时间, 通过综合考虑遗传算法和蚁群算法的优势, 提出一种遗传 蚁群算法的云计算任务调度优化算法. 首先采用遗传算法快速搜索到云计算任务调度的可行方案, 然后采用可行方案初始化蚁群算法的信息素分布, 解决初始信息素匮乏的难题, 加快算法收敛速度和搜索能力, 提高云计算任务求解效率. 在CloudSim平台的实验结果表明, 相对于遗传算法, 遗传 蚁群算法更适合于大规模云计算任务问题的求解, 可缩短任务完成时间, 获得更高的用户满意度.     

多vCPU环境中基于容器的科学工作流调度策略

现有科学工作流调度研究较少考虑计算资源的多道程序设计,难以同时实现有效的容器共享并优化任务并行度与资源利用率。为了解决以上难点,文章提出了一种分布式多vCPU环境中基于容器技术的分段式工作流调度策略。该策略通过分段调度方法,降低启发式算法的解空间大小,使用带遗传算子的自适应离散粒子群优化算法(ADPSOGA),在设备使用成本的约束下优化各个工作流的完成时间,并制定一种容器与设备间的动态伸缩方案,实现容器的复用并解决单个设备中任务并行时的资源争用问题。结果表明：ADPSOGA的性能优于其他同类启发式算法,并且分段调度方法与容器伸缩方案在工作流调度方面表现出良好的性能,能很好地适应因任务并行度增加所带来的影响。     

基于量子和克隆策略的负载均衡算法

针对网格计算中多个独立任务在多个异构的资源上处理时,资源的负载均衡为最小非抢先调度的问题,建立了一类资源负载均衡问题的优化调度模型.该模型将量子算法、克隆算法和遗传算法结合起来,提出一种新的混合量子克隆遗传调度算法.仿真实验表明在网格环境下,该算法全局寻优能力强,能有效地实现资源的负载均衡,并具有合理性和高效性.     

机场地勤服务优化问题的双重变异单亲遗传算法

为了减少地勤服务作业调度影响的航班延误,以总航班延误最小化及航班延误方差最小化为目标建立了多目标非线性整数优化模型.地勤服务作业调度优化问题是NP难问题,因此,提出了一种双重变异单亲遗传算法求解该类问题.该算法避免了遗传算法求解同类问题时产生非法个体的现象,并且双重变异策略具有全局搜索能力.结果表明:双重变异单亲遗传算法可以很好地解决航班分配服务组及服务组内航班服务序列优化的地勤服务调度问题,减少了因地勤服务作业导致的航班总延误,避免了单个航班长时间延误.     

一种基于遗传算法的网格任务调度算法

任务调度问题是一类NP问题,经典调度理论一般仅能获得问题的近似最优解.尽管已有用于任务调度的遗传算法的求解质量优于传统方法,但多数是考虑单任务或独立多任务调度的遗传算法.采用理论分析与仿真实验相结合的方法,提出了一种改进的遗传算法解决网格的任务调度问题.这种遗传算法所处理的任务不仅可以包含多个有前后约束关系的子任务,并且每个子任务可以需要多种资源.通过对比实验可以看到本文所提出的算法在网格任务调度方面要优于传统的HEFT和DLS算法.     

An optimizing algorithm of static task scheduling problem based on hybrid genetic algorithm

To reduce resources consumption of parallel computation system,a static task scheduling optimization method based on hybrid genetic algorithm is proposed and validated,which can shorten the scheduling length of parallel tasks with precedence constraints.Firstly,the global optimal model and constraints are created to demonstrate the static task scheduling problem in heterogeneous distributed computing systems(HeDCSs).Secondly,the genetic population is coded with matrix and used to search the total available time span of the processors,and then the simulated annealing algorithm is introduced to improve the convergence speed and overcome the problem of easily falling into local minimum point,which exists in the traditional genetic algorithm.Finally,compared to other existed scheduling algorithms such as dynamic level scheduling(DLS),heterogeneous earliest finish time(HEFT),and longest dynamic critical path(LDCP),the proposed approach does not merely decrease tasks schedule length,but also achieves the maximal resource utilization of parallel computation system by extensive experiments.     

多订单项目生产任务并行调度的遗传算法研究

在MTO(Make to Order)生产模式的制造企业中,经常存在多订单项目并行的情况。以满足资源约束为前提,优化多订单项目生产任务并行调度过程,成为该类企业关心的焦点问题。针对这一问题,根据任务并行调度的特点,建立了任务调度的目标函数,并采用一种改进了的遗传算法求解目标函数。该遗传算法用矩阵式染色体表示资源与生产任务之间的调度关系,采用突变机制来解决进化过程停滞问题,提高算法的搜索能力,并保留父代种群的优秀染色体,防止遗传过程中祖代优秀染色体丢失。     

多维0/1背包与遗传算法的网格调度研究

首先分析了网格调度的代价和成本,设计出一个将多目标、多约束的网格任务转换成单目标、单任务的0/1背包的网格调度模型.提出使用多维0/1背包与改进的二重结构编码的遗传算法的方法来求解网格最优调度,并通过编程实现其算法,经实验验证该算法优于基本的遗传算法.     

多设计任务调度的非合作博弈研究

从客户竞争需求的角度出发，以提交的设计任务各自的设计时间最短为调度目标，采用博弈理论，提出并构建了一种面向多设计任务的非合作博弈调度模型．在该调度模型中，设计任务被映射为博弈模型的局中人，与设计子任务集对应的可选设计节点映射为各设计任务的可行方案集，各设计任务的设计完成时间的倒数映射为收益函数，将多设计任务的调度转化为多设计任务调度模型的Nash均衡点来求解问题，并采用遗传算法进行了解算．同时，以6个设计任务验证了该任务调度模型及算法的可行性，为解决多设计任务调度问题提供了一种新的思路．