基于优化资源流约束的模具多项目反应调度算法

针对模具多项目执行过程中由于任务拖期而导致的调度计划变更,提出了一种基于优化的资源流约束的反应调度算法. 首先利用基于优先规则的微粒群算法构建一个项目加权工期之和最小的初始调度计划,采用启发式算法建立并优化初始调度计划的资源流网络,并将关键链技术与资源流网络相结合,对初始调度计划进行合理的时间缓冲设置. 然后建立了以调度计划扰动费用最小为优化目标的反应调度模型,并用基于优先规则的微粒群算法进行求解. 最后,通过仿真计算分析了算法的可行性与可靠性,结果表明该反应调度算法在模具多项目动态调度中具有一定的应用价值.     

多技能资源时间窗约束下可中断项目调度的分支定界算法

资源的多技能和时间窗属性是软件开发、工程设计、设备维修等领域在人力资源调度时常考虑的关键因素,而且在很多实际项目中,任务的执行允许中断.研究一类资源具有多技能和时间窗约束的任务可中断项目调度问题,建立了相应的整数规划模型,设计了一种分支定界算法构造搜索树进行求解,搜索树的每个节点代表一个任务组合,同时为减少分支节点数,提出了两个有效的剪枝规则,并设计了节点优先规则,对各节点任务组合则采用贪婪算法来进行资源约束判断.利用改进的PSPLIB案例库设计多组计算实验,实验结果检验了优选策略的有效性,经与CPLEX模型求解和基本启发式方法的对比揭示了算法在解决这类问题上的效率和有效性,求解结果可为实际项目调度提供决策依据.     

资源多时间窗约束下的项目调度

资源受多时间窗约束在项目管理实践中时常出现,却在资源受限项目调度的研究中很少涉及。根据资源的多时间窗特点,建立以成本最小化为目标、考虑资源多时间窗约束的项目调度优化问题的数学模型,提出基于优先规则的倒推右移调度方法,开发相应的优先规则。经算例测试,对比分析资源时间窗在不同的配置水平下对项目成本和工期的影响,并对活动网络复杂性和不同的优先规则下的结果进行比较。结果表明,基于优先规则的倒推右移调度方法可以有效地求解问题,项目目标在倒推右移操作后有明显改善,考虑任务资源时间窗匹配和最小后序活动静态成本的混合优先规则求解效果较好。     

基于深度学习的RCPSP调度优先规则实时动态选择算法

针对资源受限项目调度问题,以最小化项目完成时间为目标,设计基于深度学习的调度优先规则实时动态选择算法,在每个调度阶段实时选择优先规则进行活动安排.通过构建深度神经网络模型,确定已调度项目在各阶段的项目状态与最佳优先规则之间的映射关系,再据此为待调度项目实时动态选择优先规则,结合串行调度机制生成最终调度计划.实验研究表明:实时动态选择优先规则算法表现优于文中所涉及的单一优先规则算法及混合优先规则算法,且具有更好的泛化性;此外,与元启发式算法相比该算法具有更高的求解效率.     

资源受限项目组合选择及调度的双层决策方法

在资源受限条件下,综合考虑项目选择与项目调度,以最大化项目组合收益为目标函数,建立了一般化的资源受限项目组合选择及调度问题的数学模型。针对问题特性,设计了双层决策方法用于求解该问题。上层决策采用改进的蚁群优化算法求解项目组合选择问题,下层决策则采用基于优先规则的多项目调度启发式算法。采用实验设计方法系统生成24个项目组合选择与调度问题实例,对算法效果进行了对比检验。结果表明:所设计的双层决策方法对于项目组合选择及调度问题具有较好的求解效果;所建立的数学模型与解决方案能够为决策者提供平均收益更高的项目组合。     

甲供非商品化资源约束下可中断项目群调度模型

不可更新资源的约束会导致项目群中各合同项目开工延误甚至施工中断。针对不可更新资源受限理论研究存在的局限性,开展了多种甲供非商品化资源(NCRPE)约束下可中断项目群调度问题的研究。首先,由于资源分配多样性会给项目群进度造成不确定性影响,围绕项目群工期—延误成本双目标优化模型展开研究,采用改进编码方式的多目标粒子群算法(MOPSO)进行求解,获取项目群的资源分配方案,利用串行调度生成机制(SSGS)得到项目群进度计划;其次,将MOPSO算法和NSGA-II算法进行对比,通过IGD和HV两个指标来衡量MOPSO算法求解该问题的有效性;最后,结合实际案例,对模型进行求解分析。在甲供非商品化资源约束和项目可中断情况下,构建的项目群调度模型能够有效地实现项目群工期和合同项目延误成本的双目标优化。研究成果为业主合理分配NCRPE以及进行项目群调度提供理论依据。     

复杂时间约束的水利工程项目调度问题研究

水利工程项目的调度属于资源受限的项目调度问题,但现实中这类项目存在着一种复杂的时间约束,即项目中的某些活动在特定时间段内不允许执行.针对这类特殊约束,本文提出了一种新的资源受限项目调度扩展模型,设计了多优先规则的启发式算法进行求解.并在此基础上提出了一种混合遗传算法,构造了新的交叉算子同时结合精英保留和双对齐技术来改善解的质量.最后,用调整后的项目调度问题库(project scheduling problem library)大量实例验证了算法的有效性.     

一类多资源作业车间混合优化调度方法

针对多资源作业车间调度问题,结合启发式算法和遗传算法的特点,提出了混合优化调度方法,建立了多资源约束的车间优化调度模型.根据启发式算法中调度优先规则对调度目标的影响程度,设计了新的编码规则.采用正弦函数作为改进遗传算法中的自适应因子,使交叉概率和变异概率随群体的适应度自动改变,提高了运算的效率.通过实例仿真并与其他算法比较结果表明,该混合调度算法可以进行作业车间在机床、刀具等多种生产资源约束下的优化调度,并在评价指标上较其他算法更优.     

基于IP-ACO算法的航天器测控资源调度技术

采用多目标蚁群优化算法对航天器测控资源调度问题进行研究。在分析中低轨道航天器测控特点的基础上,综合考虑包括测控时间窗口约束和设备切换时间约束在内的多类复杂约束条件,建立多目标航天器测控资源调度模型。在Pareto蚁群优化算法的基础上,引入蚁群社会中的分工协作思想并构建测控任务时间约束有向图,设计基于任务选择期望的状态转移规则和基于自适应网格技术的权重更新策略,从而提高算法求解性能。仿真实验结果表明该方法能有效解决多目标航天器测控资源调度问题。     

基于混合遗传退火算法的并行测试任务调度优化

并行测试任务的优化调度是并行测试技术的核心问题之一。可以充分利用混合遗传退火算法优异的全局最优搜索能力来寻找具有最大并行率的并行任务序列。首先,建立了并行测试任务调度问题的数学模型;给出了并行率的定义,设计了一种满足资源约束与任务时序约束的基因编码方法及相应的遗传退火操作方案。最后,对实例进行仿真实验,结果验证了该算法的有效性及优越性。     

单向单交叉并行链优先约束的可靠性系统测试优化

针对具有单向单交叉并行链优先约束的可靠性系统的最优测试序列问题,提出了一种最优测试原则,该测试原则的约束条件更接近复杂的实际情况。通过证明三个相关的定理,分别解决了单向单交叉并行链优先约束的问题转化形式,相交单元在最优测试序列中测试的先后顺序,以及反“Y”形优先约束问题的最优测试序列。利用这一测试原则,可使此类系统获得总期望测试成本最小。通过一系列证明,给出了该原则的求证过程及具体步骤。     

遗传算法在有时间窗车辆路径问题上的应用

本文用遗传算法求解有时间窗车辆路径问题，获得其近优解或最优解．传统的交叉算子如ＰＭＸ，ＥＲ和ＣＸ等对多约束问题的适用性受到限制，本文使用一种直观的编码方法，并提出基于优先关系的交叉算子．实验表明这种遗传算法能够有效地解决复杂的优化问题     

一种带时间窗口和在前约束的车辆路线问题及其算法

提出一种带时间窗口和在前约束的车辆路线问题 ( V RPTWPC) ,并构造了求解该问题的一种基于列生成的算法 .快递收发路线编排是此类问题的一个典型例子 .     

分布式环境下多任务调度问题的分析与求解

将约束条件归纳为任务约束、链路约束和资源约束,在允许任务复制的情况下,建立了问题的约束与目标的完整数学模型;提出了一种基于任务复制的模拟人类社会中关系演化过程的簇调度算法IREA,包括前沿调度、动态分簇和分离图三个子算法.IREA采用全新的优先级规则,定义了关系数、依赖度、归并度等表示簇的优先级.通过对两个经典算例的计算,发现IREA能求出比算例所在文献算法所得解更优的解;对MJD算例,还得到了一个不同于原文献所给理论最优格局的一个新的最优格局.     

基于改进DP算法的具有优先序的变速机最小化成本调度

研究了工件具有任意标准优先序、一台机器在同一时间只可加工一个工件、最小化工件加工成本与机器使用成本之和的变速机调度问题.为该问题建立了DP模型,通过启发式规则和常规动态规划方法相结合、引入工件完工时间界限并保存每一步函数值,得到改进的DP算法,数值实验显示该算法具有较强的寻优能力和稳定性.     

产品数据管理中任务指派问题的模型和算法

产品数据管理(product data management,PDM)中的任务具有紧前约束、可拆分特性和时间窗.为了使有限的设计资源得到合理利用,建立了产品数据管理中任务指派问题的数学模型,其目标是总项目工期最短,任务拆分次数最少和任务中断时间最短.设计了一种基于贪婪准则的遗传算法对模型进行求解,对遗传算法的染色体编码方案和解码规则,适值函数和遗传算子等进行了详细说明.最后给出了一个应用实例,验证了模型和算法的有效性.     

多模式交通网络下考虑尾气排放的道路收费研究

随着出行需求和机动车保有量的迅猛增加,城市道路不堪重负,不仅交通拥堵严重,同时大量的尾气排放更造成了严重的空气环境污染问题.本文在传统的道路收费研究中明确加入排放约束或目标,建立了一系列带均衡约束的数学规划双层决策模型,探讨多模式混合交通网络下如何通过经济手段诱导人们选择更环保的出行模式和更合理的出行路径,以同时达到缓解交通拥堵和降低尾气排放的目的.模型下层考虑多模式之间的相互影响,运用变分不等式描述个体出行者的模式路径选择;上层根据不同的管理目标构建数学规划模型.采用遗传模拟退火算法对数值算例进行求解,结果显示了道路收费对系统各种指标的影响和改善.     

目标时序关系的形式定义和建模算法

多数目标建模方法关注于不同层次的目标关系.针对同一层次上的目标之间的时序关系,给出与目标建模相关的若干形式定义和命题,帮助分析人员判断目标间时序关系、并发及死锁.基于时序关系的传递性,给出目标关系建模的传递闭包算法,帮助分析人员直观地判断目标间的时序关系及其存在问题,科学、合理地标记各个目标的时序等级属性,便于目标精化工作的完成.     

B2C物流配送网络双目标模糊选址模型与算法

基于B2C"配送-退换同时"的物流模式及配送业务特点,集成设施选址-分配和路线优化,研究模糊需求下的B2C物流设施选址问题.针对选址-分配的模糊性和静态性、配送的确定性和动态性特征,以物流总费用为主目标函数,以配送中心流通费用、车辆派遣费用、配送费用总和为子目标函数,建立了有配送中心容量静态约束和车辆动态负载量约束的双目标模糊选址模型,设计了嵌入随机算法和禁忌搜索算法的遗传算法求解.选取合适的测试算例验证了算法的有效性,探讨了客户需求模糊区间宽度和商品退换率对物流选址结果和各项费用值的影响.实验结果表明,所设计的算法对解决这类复杂问题合理有效.客户需求模糊区间宽度与车辆利用率和车辆路线总长的波动区间、平均车辆路线总长度、配送费用正相关,且宽度较窄时,选址结果、车辆派遣费用和配送中心流通费用不变,超过一定范围,选址结果、车辆派遣费用和配送中心流通费用改变.商品退换率与流通费用和物流总费用正相关,但不会影响选址结果和其他费用.     

Improved differential evolution algorithm for resource-constrained project scheduling problem

An improved differential evolution (IDE) algorithm that adopts a novel mutation strategy to speed up the convergence rate is introduced to solve the resource-constrained project scheduling problem (RCPSP) with the objective of minimizing project duration. Activities priorities for scheduling are represented by individual vectors and a serial scheme is utilized to transform the individual-represented priorities to a feasible schedule according to the precedence and resource constraints so as to be evaluated. To investigate the performance of the IDE-based approach for the RCPSP, it is compared against the meta-heuristic methods of hybrid genetic algorithm (HGA), particle swarm optimization (PSO) and several well selected heuristics. The results show that the proposed scheduling method is better than general heuristic rules and is able to obtain the same optimal result as the HGA and PSO approaches but more efficient than the two algorithms.