基于人工蜂群的空间资源受限项目调度算法

空间资源调度问题在满足时间和空间资源约束的前提下,追求项目工期最短以及空间资源利用的最大化,针对该问题对空间资源进行抽象,建立数学模型,在配置空间理论基础上,提出基于人工蜂群的时空资源受限项目调度算法。对不同规模的问题实例采用不同的算法进行对比,结果表明本文算法在相对较短时间内可以获得较优的调度方案。     

基于差分型思维进化算法的受限广义预测控制

针对广义预测控制(GPC)的滚动优化对受限控制量求解的复杂性,笔者提出一种基于差分型思维进化算法的受限广义预测控制方法(DMEAGPC)。用差分型思维进化算法处理带约束的非线性优化问题,以此作为滚动优化策略,求得最优控制律。并将该算法应用于电厂再热汽温系统,仿真结果验证了该算法的有效性和可靠性。     

一种求解项目调度中资源均衡问题的粒子群算法

针对资源受限下的项目资源均衡问题的自身特点,及其与传统资源受限项目调度问题的相似之处,设计了一种以优先值法作为粒子表达RLP问题的粒子群优化算法。选用并行进度生成机制,同时在将资源均衡转化成资源受限下项目调度问题的过程中,根据资源均衡本身的特点,对并行进度生成机制进行处理。最后结合算例进行仿真实验,验证了构建的资源均衡模型以及粒子群算法求解资源均衡问题的可行性。     

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.     

一种适用于紧急事件调度的启发式项目调度新方法

针对紧急事件调度的紧迫性特点,为了快速准确制定响应方案,建立了一种基于资源约束的启发式项目调度方法.为了确定方案执行过程中的关键任务,将该方法与关键链方法相结合确定最终的调度方案.首先,在不考虑资源约束的条件下,制定了任务的最早及最晚开始时间计算方法,用来确定项目的初始关键链;然后,利用资源受限项目调度模型,通过制定的启发式规则确定资源约束下的关键链;最后,利用根方差法确定关键链中输入缓冲区的容量.同时,以海上救援紧急作业调度为例对算法进行了测试,并将该算法与现有的多种启发式规则进行了比较.结果表明,本算法能生成更好的调度方案,更适用于紧急事件调度.     

差分进化算法在电力系统环境经济调度中的应用

以求解环境经济调度(EED)这一复杂的多目标约束优化问题为背景,研究了一种改进的多目标差分进化算法(EMODE),该算法依据多目标优化问题的特点重新设计了差分进化算法(DE)的进化算子并引入自适应二次变异算子来有效避免DE存在的"早熟"收敛现象;同时,针对EED问题约束条件复杂且难以处理这一问题,依据不同类型约束的特点提出一种启发式的约束处理方法.将EMODE应用到某电力系统的多目标环境经济调度中,仿真计算结果以及与其他求解方法的对比分析表明,EMODE可以有效兼顾全局收敛性和Pareto非劣调度方案的多样性,具有较高的效率以及鲁棒性.     

基于改进T-S模糊神经网络的网络流量预测

为提高网络流量的预测精度,在人工蜂群算法和T-S模糊神经网络的基础上,采用一种具有差分进化搜索的蜂群算法训练T-S模糊神经网络,对网络流量进行建模预测。该算法首先利用差分进化算法的变异和交叉算子来替换人工蜂群算法中引领蜂的搜索策略,然后对人工蜂群算法中跟随蜂的搜索策略进行改进,使其在种群最优解附近产生候选食物源,该算法能较好地平衡局部搜索能力和全局搜索能力。将优化后的T-S模糊神经网络用于网络流量预测,并与T-S模糊神经网络、蜂群算法优化T-S进行比较,仿真结果表明该算法具有更高的预测准确性,从而证明该算法在预测领域的可行性和有效性。     

折现流多模式资源约束项目调度问题研究

针对带折现现金流的多模式资源约束项目调度问题研究,在考虑实际工程中对最终净现值产生影响的多种因素的基础上,建立以最大化现金流净现值为优化目标的非线性数学模型,提出一种改进的遗传模拟退火算法对模型进行求解.该算法利用遗传算法进行全局并行搜索,种群每个新产生的个体在交叉和变异后采用模拟退火技术进行局部串行优化,使之移动到最近的局部最优点再进入下一代迭代.采用针对活动的整数编码方式,基因的值表示活动的优先权和执行模式,每个个体对应一个满足时序约束和资源约束的项目调度方案.仿真结果表明,新算法能有效地对多模式资源约束项目调度问题做出合理调度,使项目收益最大化,并且比传统的遗传算法具有更高的求解质量和求解效率,为承包商在项目投资和进度管理上提供了定量化决策支持.     

实时系统最大化奖赏值的能耗感知调度

针对实时系统中周期任务在可变电压处理器上的能耗感知调度问题,提出了一种贪婪人工蜂群算法.在人工蜂群算法的基础上,引入贪婪算法的思想,按照最大价值密度优先原则,为任务分配执行速度,以保证价值密度大的任务能被执行,从而提高系统的奖赏值.仿真结果表明:能耗利用率随着能耗约束的减小而增大,说明算法具有良好的能耗感知特性;相比贪婪算法,当能耗约束因子为0.1时,系统的奖赏值平均提高了78%,随着任务数的增加、能耗约束越强,其优势更加明显.     

基于人工蜂群算法求解不同尺寸工件单机批调度问题

采用人工蜂群算法对工件尺寸有差异的单机批调度问题的制造跨度进行优化的提出,是针对问题的离散优化特征,采用遗传算法中的变异操作方法产生蜂群路径的邻域解. 在解码时采用Batch First Fit算法,将蜂群的路径转化为可行的批调度方案,来获得制造跨度. 仿真实验中对问题的各种不同复杂度的随机算例均进行了编程实现,结果表明人工蜂群算法在求解该问题时是有效的.     

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.     

基于知识系统的施工进度自动安排

提出一种基于知识系统的施工进度安排方法，结合项目管理的工作分解结构原理，对施工活动自动分类，通过对施工活动分解，计算各施工活动持续时间，并且建立前后施工活动间的逻辑关系，实现进度自动生成．最后通过某高层建筑的施工总进度计划安排和实践结果对比，验证基于知识系统的方法能够借鉴专家知识，生成合理的进度计划，指导工程项目施工．提出的进度安排系统既有助于生成新的施工进度，又为进度自动调整和控制提供基础。     

基于GIS的工程施工动态可视化仿真

以地理信息系统与工程动态仿真系统为平台,模拟工程施工实际过程,面向工程施工管理和施工组织设计,对重大工程施工动态3维可视化仿真技术进行研究.该仿真技术能够输出施工工期、施工进度计划、关键路线、资源使用情况以及横道图、资源柱状图等仿真计算与优化所得的文本、图形成果;在项目投标中,可以形象可视地表达施工方法、进度管理等,增加投标书说服力,为了解投标人的施工水平和能力提供了一个形象平台.     

干扰情形下重复性项目快速修复策略模型与算法

重复性项目受到干扰事件影响后,如何使其低成本,快速修复到基准调度计划,是项目管理者面临的重要问题。本文研究了干扰情形下重复性项目的反应性调度问题。首先提出了一种新的快速修复策略模型,旨在使项目以较低的成本快速修复到基准调度计划;针对问题特点,设计了一种Q-learning与遗传算法结合的混合算法进行求解;最后通过一个高速公路项目和蒙特卡洛模拟验证了本文模型和算法的有效性。结果表明：本文所提出的修复策略可以显著降低反应性调度成本;在一定范围内,增加修复的范围可以有效降低反应性调度成本;Q-learning与遗传算法混合算法在该问题上的求解质量和效率优于遗传算法。本文可以为重复性项目管理者进行反应性调度提供决策依据。     

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。     

任务可拆分项目调度问题

经典资源受限的项目调度问题的前提之一是任务不可拆分,即每个任务只能被一次执行,中间不能停顿.但是在企业实际的项目调度中,许多任务是允许被拆分成若干次执行的.针对任务可拆分的项目调度问题提出了总项目工期最短的数学模型,该模型在任务较多、任务工期较长或时间粒度小时解空间很大,不利于精确求解.提出了一种结合邻域搜索方法的混合遗传算法求解该模型.给出了算法的编码方案、解码规则、适值函数、选择方法、交叉算子和变异算子的实现方法.最后通过算例验证了算法的有效性,列出了任务不能拆分和任务可拆分两种情况下算例最优解的甘特图.     

作业时间依赖资源分配决策的项目调度问题建模与算法

针对实际问题的需求,提出了作业时间依赖资源分配决策的项目调度问题.以最小化项目工期为目标,建立了作业时间与资源分配量呈函数关系的资源受限项目的调度模型,提出了基于1-opt及2-opt局部搜索的遗传算法以提高算法的求解质量,分析了2-opt局部搜索中的作业组合情形,归纳与证明了不同作业组合调整与问题目标之间的关联性质,在此基础上建立了选取有效作业组合的方法,以提高算法在局部搜索求解中的效率.数据实验结果表明,所提算法相较于现有算法,其求解的质量和速度均具有优越性.     

支持优先级约束任务的容错调度算法

为了解决异构分布式系统中可靠调度问题,提出一种考虑处理机链路通信竞争的,支持优先级约束任务的容错调度(FSPCT)算法。该算法使用通信竞争模型描述处理机之间通信,在备份成本最小化和备份任务最早完成之间寻求平衡点。对主副版本任务的最早开始时间进行分析,并限定了所执行的处理机,在处理机出现故障后任务可以顺利执行。实验结果表明FSPCT算法的综合性能优于现有一些算法。     

基于遗传算法多目标优化的工程项目调度

在建设工程项目管理中,施工周期和项目成本的综合均衡管控是项目调度管理的最重要内容之一。然而,实际中两者的关系即相互关联又矛盾对立,任一目标的优化必然以弱化另一目标为代价。因此,工程项目调度管理问题是一类组合优化问题。为此本文提出了一种基于遗传算法的多目标优化建设项目调度模型。模型为项目管理者制定和评估工程完成最佳时间和成本最小化的的工程施工进度计划。计算模型主要分为三个模块：开发实用的建设项目进程调度模块;计算项目成本的管控模块;多目标搜索和识别项目时间和成本之间最优或接近最优解的权衡模块。最后,应用该模型分析了一个应用实例,并证明了模型的有效性,为项目管理者提供理论参考。