大规模项目调度问题的分解和协调优化方法

为了解决大规模有资源约束的项目调度问题,提出一种串行分解和并行分解相结合的项目逐层分解方法,以便克服精确算法求解时间不可接受,而启发式算法解的质量较差的问题。根据该分解方法特点,提出基于采样选择的启发式协调方法,以及基于分枝定界方法的精确底层调度的子项目协调优化算法,并通过仿真分析了关键参数的选取。仿真结果表明,该算法解的平均质量明显优于相关启发式算法,并且求解时间能够满足工程上的要求,能够有效地提高大规模项目调度问题的求解质量,具有实用价值。     

大规模项目调度问题的分解和协调优化方法

为了解决大规模有资源约束的项目调度问题,提出一种串行分解和并行分解相结合的项目逐层分解方法,以便克服精确算法求解时间不可接受,而启发式算法解的质量较差的问题。根据该分解方法特点,提出基于采样选择的启发式协调方法,以及基于分枝定界方法的精确底层调度的子项目协调优化算法,并通过仿真分析了关键参数的选取。仿真结果表明,该算法解的平均质量明显优于相关启发式算法,并且求解时间能够满足工程上的要求,能够有效地提高大规模项目调度问题的求解质量,具有实用价值。     

资源受限最小赋权树形图的一种贪婪分解启发式算法

资源受限的最小赋权树形图问题(RMWA)是NP-难的,针对RMWA问题给出一种新的贪婪分解启发式算法.通过分解目标函数和约束条件,把RMWA模型分解成一个最小赋权树形图问题和n个独立的特殊背包问题.对这n个独立的特殊背包问题,设计贪婪算法求其解,其时间复杂度为O(nmlog2m);然后调整该解使其满足树形图的约束条件得到RMWA问题的一个可行解,该算法总的复杂度为O(nm2).最后,给出实例来阐述该贪婪分解启发式算法.     

一种基于任务分解的时间均衡调度算法

网格环境下的任务调度是一个NP完全问题,它一直是网格领域研究的核心。针对计算网格中的任务放牧调度这类问题,提出了一种基于任务分解的时间均衡调度算法。该算法在调度过程中充分考虑了网格资源的特点,采用重复调度和任务分解策略,并进行了仿真实验。在任务完成时间和系统吞吐率两方面与Max-min和Max-int算法进行比较,实验结果证明该算法优于Maxmin和Max-int,是一种性能较好的任务调度算法。     

大系统分解协调理论在电力系统动态调度中的应用研究

提出了电力系统动态优化调度问题的目标分解协调的新算法．基于大系统的分解协调理论，将动态优化调度模型按时段进行分解，通过目标函数的修正来协调时段间经济性与可靠性的要求．该方法既避免了统一解算所造成的维数灾问题，又系统化了各种解耦算法（正推、反推及双向推），将模型的算法统一起来．     

基于约束满足求解思路的卫星接收任务调度

针对地面站接收资源的组织和工作方式建立了一个资源配置图,在资源配置图的基础上进一步建立调度问题解空间的数学模型。在研究了一类约束满足问题之后,提出一种基于资源配置图的局部搜索解空间的多站多星接收任务调度算法,并分析了算法时间性能。     

基于分解多目标进化算法的光刻区调度方法

针对晶圆制造系统光刻区调度问题,考虑设备专用性约束、掩膜版数量约束及设备加工能力约束,以最小化总完工时间和光刻成本、最大化晶圆准时交付率和设备利用率为目标,提出了基于分解多目标进化算法的光刻区调度方法.针对非支配前沿点分布不均的问题,设计了基于聚类分析的参考点生成方法;综合考虑非支配解的分布均匀性、收敛性及计算资源的合...     

大规模水电站群短期优化调度的并行求解

针对在求解大规模水电站群短期优化调度问题过程中,随电站数和时段数的增加,算法解算能力和时效性难以保证的问题,提出了一种基于水电站群分解的并行求解方法.该方法首先按照一定规则对目标电站群进行分解,形成若干相对独立的计算单元;随后应用逐次逼近动态规划、逐步优化方法,结合并行计算技术对电站群进行并行求解;最后通过归约整合得到整个电站群的优化结果.通过实例计算,证明了该方法的可行性;与串行方法的模拟结果对比,说明了该方法的有效性和优越性.     

带驻留约束及双臂机械手的集束型设备群调度算法

根据集束型设备群的特点,对调度问题域进行描述,并提出了带驻留约束的双臂集束型设备群调度算法.该算法利用分解方法将集束型设备群分解为多个单集束型设备,并在此基础上提出一种基于机械手无冲突约束的搜索调度算法,调度目标是使到达晶圆在最短基本周期内完成加工.仿真实验分析结果表明,用所提出的算法进行集束型设备群的晶圆处理是有效的.     

改进蚁群算法的云计算资源调度模型

针对当前云计算系统资源调度算法的资源利用率低、浪费严重等缺陷,提出一种基于改进蚁群算法的云计算资源调度优化模型,以获得更理想的云计算资源调度方案.首先对云计算资源调度的工作原理进行分析,建立云计算资源调度优化目标函数;然后利用蚁群优化算法模拟蚁群找到一条从起点到目的地的路径,即云计算资源调度目标函数的最优解,并结合目标函数对蚁群算法进行相应地改进;最后采用MATLAB2014R编程实现云计算资源调度优化模型.实验结果表明,该模型在短时间内可找到云计算资源调度的最优解,使资源利用率得到了改善.     

基于启发式规则的柔性制造单元合作协同调度算法研究

柔性制造单元模型为企业提供了一种高柔性和高效率的生产方式.针对该问题,设计了一种基于启发式规则的柔性制造单元合作协同调度算法.通过分解制造单元间的耦合,形成独立的制造单元,按照调度目标选择启发式规则并进行单元合作协同调度,最终形成整体调度方案.数值实验对调度规则进行了验证并表明了这一设计思路的有效性.     

具有分解结构的多目的批处理过程短期调度模型

针对多目的批处理过程的短期调度问题,分析了基于设备独立事件触发的建模方法在描述存储过程的特点及局限性,建立了存储的时间函数来准确描述存储状态,并以此为基础,在不额外增加变量的情况下,建立了一种新的具有分解结构的调度模型,该模型由两个层次的优化问题构成。设计了基于分解的遗传算法求解模型。针对主要由处理任务的时间顺序约束和存储容量约束构成的子问题,通过松弛,给出了简单的递推算法求得最优解或近优解,然后返回主问题,采用遗传算法,使得搜索空间大为减小。仿真实例说明了模型和算法的有效性。     

双线性规划的一种算法

本文针对双线性规划问题 ,提出一种有限步终止算法 ,该算法基于单纯形分解 ,通过解有限个线性规划得到最优解。     

钢铁企业产成品发货装船调度的模型与算法

以某钢铁企业产成品发货系统中装船调度问题为背景,建立了产成品装船调度问题多目标资源受限工程调度的数学模型,结合遗传算法和模拟退火的特点,设计了求解该问题的多目标智能优化算法,对算法输出的近似非劣解集提出了评价方法,将此模型和算法应用于某钢铁企业的实际装船调度中,结果表明,实际调度计划或者是非劣解集中的一个解,或者在非劣解集中存在某一计划优于实际调度计划·     

基于ADMM迭代法的PageRank问题的求解

针对PageRank问题导出的线性方程组,首先对方程组的系数矩阵进行了LU分解,提出了一种基于交替方向乘子法(ADMM)形式的迭代算法,用于求解该线性方程组的最小二乘解;然后,证明了所提出的算法的收敛性;最后,数值结果表明了该算法的可行性.     

求解多目标柔性作业车间调度问题的两阶段混合Pareto蚁群算法

针对多目标柔性作业车间调度问题(FJSP)分解得到的作业分派、排序子问题仍是多目标优化问题的情况,提出了一种求解该问题的分层Pareto优化框架,并采用该框架构建了两阶段混合Pareto蚁群算法的求解算法,其中两个Pareto蚁群系统分别求解多目标作业分派、排序问题。结合GT算法、排产规则评估和过滤第一阶段的分派方案,将具有较好评估全局解的分派方案作为分派阶段的精英档案,并输入给排序蚁群系统获取其非支配调度解,进而获取问题全局非支配解。子问题算法混合了各目标相关的邻域搜索策略,与Pareto蚁群算法结合,以期提高解的质量。通过求解带有平均工件加权延迟时间指标的多个FJSP基准算例,验证了算法的有效性。计算结果表明,该分层Pareto优化框架对原问题进行分层分解,有利于降低原问题的复杂性,相比多数文献,算法能够获得各基准算例Pareto非支配解,从而为分解求解复杂多目标调度优化问题提供了一种途径。     

三峡梯级短期优化调度大系统分解协调法的应用

针对梯级间流量传播对梯级水电站短期优化调度影响的问题,采用实测资料率定梯级间流量传播系数,构建了计算梯级间下游水电站入库流量的变系数线性回归方程,建立了"以水定电"模式下考虑流量传播影响的梯级水电站群短期优化调度系统分解协调模型.三峡梯级应用实例表明,当上游水库出库流量较小时,流量传播对梯级短期优化调度结果影响较大,且分解协调算法较轮库迭代法可有效减少解算时间,提高模型运算效率.     

随机规划问题的两种分解算法研究

以二阶段随机规划为例,给出了两种分解算法:基于内点的原始-对偶分解算法和基于Benders分解的算法,此两种算法都是通过将多阶段随机规划中的变量加以分解,生成一系列只含有单变量的规划问题,通过对这些小规模确定性规划问题的求解构造迭代过程,最终收敛到原问题的最优解。     

供水库群的聚合分解协调模型

针对供水库群联合调度的多水源多用户水资源配置问题,选择供水过程均匀为系统目标函数,基于大系统聚合分解理论,设计了一种对供水水库群聚合分解协调的算法.在此基础上,为了充分发挥库群的联合调度能力,使库群的调度过程具有可控性,提出了一种基于优先度的调度方案.与经典的分解协调法相比,聚合分解协调法具有较强的实用性.     

改进粒子群算法的云计算环境资源优化调度

针对云计算的资源调度问题,提出一种基于改进粒子群优化算法(Improved Particle Swarm Optimization,IPSO)的资源调度算法.对云资源调度问题进行分析,建立云资源调度的目标函数,利用PSO较快的收敛速度找到云资源调度问题的最优解,并根据每个粒子的适应度值自适应地改变每个粒子的速度权重,提高了全局寻优能力和收敛能力,同时在Cloud Sim平台对算法进行仿真实验.结果表明:IPSO算法减少了任务的平均完成时间,提高了任务处理的效率,具有很好的优化资源以及合理调度资源的能力.