具有不同到达时间的差异工件批调度问题的蚁群聚类算法

研究具有不同到达时间的差异工件在单机环境下的批调度问题.通过引入工件单元的概念并对分批约束进行松弛,提出了该问题的一个新的下界,证明了该下界的有效性.将蚁群算法和聚类算法相结合,提出了一种基于多阶段聚类的蚁群聚类算法ACC(Ant colony clustering).算法首先利用K-均值聚类将工件分簇,在簇内部通过蚁群算法搜索分批,最后提出一个全局优化算法对局部分批结果进行合成和优化.克服了蚁群算法随着工件规模增大求解时间过长的问题,适合于求解大规模算例.实验结果表明:与现有的启发式规则LPTBFF(Longest processing time batchfirst fit)和HGA(Hybrid Genetic algorithm)算法相比,该算法求解效果更好.     

蚁群算法在卫星数传调度问题中的应用

为求解卫星数传调度问题,将数传任务在调度序列中的可能位置抽象为结点,构造了信息素分布于结点的矩阵解构造图,提出了基于该图的蚁群算法.算法通过随机转移概率决策模型进行结点转移,在算法迭代中利用精英保留策略进行全局信息素更新.仿真结果表明,基于矩阵解构造图的蚁群算法是求解卫星数传调度问题的有效方法,并具有较好的收敛性和鲁棒性.     

基于蚁群优化的置换流水车间调度算法

针对置换流水车间调度问题,提出了一种基于蚁群优化的调度算法.该算法的要点是将NEH启发式算法和蚁群优化结合起来:首先,将蚁群优化中的能见度定义为NEH中所用的工作加工时间之和.其次,对于部分解采用了NEH中的步骤2和步骤3进行局部调整.最后,对构造出的解做插入型局部搜索.用所提算法对置换流水车间调度问题的基准问题进行了测试,测试结果表明提出算法的有效性.     

卫星数传资源负荷均衡调度模型及蚁群优化算法

建立了卫星数传资源负荷均衡调度模型,提出了调度方案效能评价函数和模型求解的蚁群优化算法.调度模型中主要考虑任务调度收益和资源负荷均衡两个优化目标,蚁群算法通过遍历矩阵解构造图来逐步构造可行解,利用基于调度方案效能评价函数的全局信息素更新规则同时优化数传任务调度收益和数传资源负荷均衡两个目标.算例仿真表明,本文提出的调度模型和蚁群优化算法所求得的调度方案取得了较好的任务调度收益和资源负荷均衡指标评价值,说明模型与算法正确可行.     

改进蚁群算法求解单机总加权延迟调度问题

单机总加权延迟调度(SMTWTS)问题是一类由于任务完工时间超过交货期从而优化目标为加权延迟成本最小的单机调度问题,已被证明是NP难题.蚁群算法受自然界蚁群觅食机理启发而来,也曾被用于其它类型的单机调度问题研究,但SMTWTS被认为是实际生产中面临的主要问题.本文提出一种改进蚁群算法求解SMTWTS问题,该算法对信息素更新策略进行了改进,引入信息扰动及变异策略,并对参数进行了合理设置,对比实验表明搜索效率好于遗传算法.     

并行分布式变长分组调度算法PDMCRR

低复杂度和良好公平性是T比特级网络节点调度算法设计中的挑战,通过引入端口间的并行机制和单端口的流水线思想,提出了一种可以满足T比特级网络节点调度需求、具有低复杂度和良好公平性的变长分组调度算法———并行分布式改进补偿调度算法(pipleline distributed modified compensating round robin,PDMCRR)。通过理论分析和计算机仿真验证了该算法的性能。     

面向两客户的差异工件单机批调度问题

将差异工件批调度问题扩展到多客户生产环境,建立了优化两客户各自生产时间跨度的差异工件单机批调度模型.不同客户的工件集合具有自己的优化目标,为了满足不同客户的要求,需要多种不同的生产方案.针对该特点提出了一种面向两客户的单机批调度问题的多目标蚁群算法(MOACO),通过存储算法每次迭代产生的非支配解集,对人工蚁的搜索和信息素的更新提供指导,保证了搜索的效率.实验结果表明,与经典的多目标问题求解算法NSGA-Ⅱ和SPEA2算法相比,多目标蚁群算法具有较好的求解效果,且随着问题规模的增大,算法的优势更加明显.     

多星成像调度问题基于分解的优化算法

提出了一种求解多星成像调度问题的基于分解的优化算法,将问题分解为任务分配主问题与单星成像调度子问题.任务分配主问题生成不同卫星的任务分配方案,单星成像调度子问题则根据分配的任务进行优化,生成每颗卫星的成像调度方案.采用自适应的蚁群算法求解任务分配主问题,通过自适应参数调整策略及信息素平滑策略,实现全局搜索和快速收敛间的平衡.采用启发式算法及快速模拟退火算法求解单星成像调度子问题,通过综合多颗卫星的调度结果, 可以对任务分配方案进行评价,引导蚁群算法搜索优化的任务分配方案,最终得到多颗卫星的成像调度方案. 大规模测试算例验证了算法的效率.     

基于改进蚁群算法的舰载机弹药调度

针对舰载机弹药调度供求点多、批次量大等特点,通过分析限制因素,建立了调度方案求解模型。利用蚁群算法对方案模型求解,提出了具体实现算法,每次循环对信息素进行变异调整,并通过引入遗传算法的精英保留和交叉运算操作思想,克服了基本蚁群算法搜索时间长、易陷入局部最优解等缺陷。数值仿真结果验证了调度模型的正确性,以及改进蚁群算法的有效性。     

基于模拟植物生长算法的异速并行机调度 ——以汽车4S店维修车间瓶颈环节调度为例

汽车4S店维修车间的钣喷设备是整个维修服务系统的瓶颈, 通过对瓶颈的合理调度可以有效地提升系统效率. 首先, 用三元组α/β/γ方法, 将该问题描述为受准备时间和机器适用约束限制的, 以最小化加权滞后时间和为目标的异速并行机调度问题, 建立了对应的数学模型. 接着, 采用模拟植物生长算法求解此类调度问题, 提出了与问题相适应的生长点表示方法和迭代方法. 最后, 通过实例仿真简要分析了模型及算法的可行性和有效性.     

An ant colony algorithm for yard truck scheduling and yard location assignment problems with precedence constraints

This paper examines the yard truck scheduling,the yard location assignment for discharging containers,and the quay crane scheduling in container terminals.Taking into account the practical situation,we paid special attention to the loading and discharging precedence relationships between containers in the quay crane operations.A Mixed Integer Program(MIP) model is constructed,and a two-stage heuristic algorithm is proposed.In the first stage an Ant Colony Optimization(ACO) algorithm is employed to generate the yard location assignment for discharging containers.In the second stage,the integration of the yard truck scheduling and the quay crane scheduling is a flexible job shop problem,and an efficient greedy algorithm and a local search algorithm are proposed. Extensive numerical experiments are conducted to test the performance of the proposed algorithms.     

基于蚁群算法的序贯决策问题研究

实际工程中存在许多大规模、非线性多约束的序贯决策问题,传统算法解决起来较为困难.蚁群系统(ACS)是一个用来解决大规模多约束组合优化问题的现代启发式算法,根据序贯决策的特点设计了多层结构的蚁群系统,给出了算法的组成结构;为了节约计算内存和优化时间,详细阐述了淘汰劣质解机制的精英策略;并通过梯级水电站短期优化调度这一实际工程序贯决策问题,来验证所构造的算法,给出了优化调度的数学模型及算法的求解思路.最后,采用我国西南地区某梯级流域中三个水电站的相关数据建立了调度仿真模型,仿真结果证实了所采用算法的有效性和可行性.     

基于蚁群算法的海洋工程群项目资源调度研究

针对海洋工程项目管理的热点问题——群项目管理中的难点,即人力、资金、设备及材料等资源的合理、动态调度问题,提出了一种基于蚁群算法(ACO)的资源调度方法.该方法利用群项目间资源调度问题与旅行商问题(TSP)的相似性,结合ACO算法的特点,将资源需在各个分项目中占用的时间与资源的急需程度与之比作为算法中的启发式信息进行处理.海洋工程群项目管理中资源调度的实例表明,该方法实现了资源的合理、动态调度,为海洋工程群项目管理提供了一较为有效的资源调度算法,对提高我国海洋工程及其他领域群项目管理水平具有一定意义.     

车辆可重复利用VRPTW问题的模型和改进蚁群算法

提出车辆可重复利用的VRPTW问题,建立多目标整数规划模型;基于蚁群系统（ACS）,按优先访问服务开始时间较早、服务时间较短和关窗时间较早的原则,设计启发式因子和蚂蚁状态转移规则;借鉴MMAS和ASrank的优点设计信息素更新策略,既加强对每次迭代最好解的利用,又避免陷入局优;根据客户服务结束时间较早优先原则构造初始解.实验结果表明,可以大幅度减少所需车辆数并节省车辆的总运行时间,具有较快的收敛速度,本文的模型和算法是有效的.     

Dwell scheduling algorithm for multifunction phased array radars based on the scheduling gain

A real-time dwell scheduling model, which takes the time and energy constraints into account is founded from the viewpoint of scheduling gain. Scheduling design is turned into a nonlinear programming procedure. The real-time dwell scheduling algorithm based on the scheduling gain is presented with the help of two heuristic rules. The simulation results demonstrate that compared with the conventional adaptive scheduling method, the algorithm proposed not only increases the scheduling gain and the time utility but also decreases the task drop rate.     

Ant System Based Optimization Algorithm and Its Applications in Identical Parallel Machine Scheduling

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＩｄｅｎｔｉｃａｌｐａｒａｌｌｅｌｍａｃｈｉｎｅｓｃｈｅｄｕｌｉｎｇｐｒｏｂｌｅｍｆｏｒｍｉｎｉｍｉｚｉｎｇｔｈｅｍａｋｅｓｐａｎｈａｓｂｅｅｎｐｒｏｖｅｄｔｏｂｅａｎＮＰｐｒｏｂ ｌｅｍ[1,2 ] .Ｉｔｗａｓｔｒａｄｉｔｉｏｎａｌｌｙｓｏｌｖｅｄｂｙｏｐｅｒａｔｉｏｎａｌｍｅｔｈｏｄｓｓｕｃｈａｓｄｙｎａｍｉｃｐｒｏｇｒａｍｍｉｎｇ ,ｂｒａｎｃｈａｎｄｂｏｕｎｄｍｅｔｈｏｄ ,ａｎｄｉｎｔｅｇｅｒｐｒｏｇｒａｍｍｉｎｇ[3～ 7] .Ｔｈｅｓｅｍｅｔｈｏｄｓｃａｎ ｇｉｖｅａｎｏｐ…     

基于蚁群系统的工件排序问题的一种新算法

工件排序问题中如何使加工效率最高，一直是一个非常重要而且又非常困难的问题，特别是问题的规模很大时，目前各种算法计算就非常困难，有的甚至无法得到合理的方案，蚁群系统是近年来发展起来的解决组合优化问题的一种有效方法，根据工件排序问题的特点，建立了在不同种类的并行机上加工一批不同种类工件的优化数学模型，在蚁群算法的基础上对其进行改进，成功地把改进的蚁群算法用于工件排序问题的优化中，通过与其他算法的仿真比较，表明基于蚁群系统的算法是有效的，特别是问题规模很大时更显示其快较的收敛速度和较高的精度。     

小波神经网络模型的改进及其应用

将优化函数的连续型蚁群算法与小波神经网络耦合,用蚁群算法优化神经网络的权值和小波参数,找到蚁群算法中信息素更新的最佳衡量标准,且建立了基于蚁群优化的小波神经网络模型,旨在准确预测水稻需水量,为制定合理的灌溉制度、提高水利用率提供科学依据.通过对三江平原富锦市1985至2001年的井灌水稻区全生育期需水量预测检验,确定网络结构为6-12-1,训练最大次数20次时网络收敛,误差精度达到0.0024.研究结果表明,该模型不但计算简便,而且具有较强的逼近能力、较快的收敛速度和较好的预报精度,并且为网络模型的参数优化提供一种新方法,也为预测、预报的研究拓宽新思路.     

基于蚁群算法的动态联盟伙伴选择研究

提出“小生境蚁群算法”（MACO），在利用正反馈的同时，引入时变参数来利用经验信息和启发信息，并在局部寻优时结合了小生境信息盖的思想，从而有效地防止遗传算法中出现的“早熟”问题和蚂蚁算法中发生的“停滞”状态。把制造企业动态联盟合作伙伴的选择抽象为多目标优化的问题，并建立了优化选择目标函数。运用MACO解算选择合作伙伴的多目标问题，获得最优解。