基于遗传和禁忌搜索算法求解双资源车间调度问题

针对柔性生产环境下的车间调度问题,在考虑遗传算法早熟收敛特性和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传算法和禁忌搜索算法的双资源作业车间的调度优化问题算法,即不仅考虑到了每个工件有几条可行的工艺路线,而且考虑到了工件的调度受到机床、工人等资源制约的影响,并用实例对该算法进行了仿真研究.结果表明此算法有很好的收敛精度,是可行的,与传统的调度算法相比较,体现出其明显的优越性.     

一种5G网络低时延资源调度算法

针对现有资源调度算法难以满足5G低时延业务需求的现状,提出了一种基于联合遗传和禁忌搜索算法的资源调度(GATS)算法。首先利用整数线性规划建立了虚拟链路的动态带宽分配策略,然后在传统柔性车间调度模型的基础上引入了数据流量在虚拟链路中的传输时延,建立了相应的5G网络资源调度模型。为了求解这一调度模型,设计了采用联合遗传和禁忌搜索算法的启发式调度算法,该算法通过在遗传算法寻优过程中引入禁忌搜索,平衡全局搜索和局部搜索能力,有效解决了遗传算法早熟的问题,而且能够获得更好的调度方案。仿真实验表明,与GA-BA算法相比,GATS算法将服务完成时间减少了17%,不仅满足了5G低时延业务的需求,而且提高了用户体验和移动运营商的收益。     

基于遗传禁忌搜索的单车场多目标区域调度优化

区域调度是公交营运调度的发展方向,但区域调度相对于传统的线路调度,其影响因素多,模型构建难度大,求解也较为复杂。以单车场区域调度为对象,选择公交车辆空驶时间、等待时间、跨线次数以及运力规模最小等主要目标,构建了多目标区域调度优化模型。考虑到多目标函数优化问题的复杂性,将禁忌搜索融入遗传算子,设计遗传禁忌搜索求解算法,最后将已建模型和设计算法运用到算例中。计算结果表明,遗传禁忌算法较一般遗传算法更能高效地解决公交车辆的单车场多目标区域调度问题。     

战时车辆调度问题算法及应用分析

战时车辆调度是精确后勤的核心内容之一,对提高部队机动性和后勤保障能力具有重要作用.对战时车辆调度问题进行分析研究,提出一种快速、高效的算法.对战时多任务车辆调度组合优化问题,即NP-Hard问题进行求解.构造了一个两层搜索结构的遗传禁忌混合算法,该算法充分利用了不同领域搜索方法的优点,增强了算法在解空间中的搜索能力和运行效率.试验分析结果表明:所提算法能有效地解决战时多任务车辆调度问题;与基本遗传算法相比,该算法的优化能力、运行效率、可靠性均得到了提高.     

热轧带钢调度问题的混合并行策略

在分析热扎带钢生产调度特征的基础上给出了其数学规划模型，并提出了一种基于并行策略的混合启发式算法，该算法分为三个阶段：引领域知识，对预选池中的任务进行分类、排序，生成初始解；用基本遗传算法（GA）对其进行优化，得到较好的初始解；由以单个板坯交换和板坯组交换为核心的禁忌搜索（TS）进一步优化，得到最后的优化结果，与启发式算法、改进的遗传算法比较，该算法在求解的有效性和计算效率方面均具有较大的优势。     

并行机优化调度问题的新算法

将调度规则的简洁性与遗传算法的强大搜索能力相结合,提出一种能用于最小化拖期任务数并行机调度问题的基于遗传的新的调度算法,并用计算实例表明了该调度算法优于迄今最好的启发式算法,并能适用于大规模并行机调度问题,本算法计算量小,具有很强的鲁棒性。提出的基于遗传的调度算法不仅能用于生产调度领域,在大规模数值计算及计算机网络技术等方面都有很好的应用前景。     

基于调度效益最大化的多功能组网认知雷达资源优化调度算法

在组网认知雷达中,针对多目标多任务(如搜索、跟踪与成像等)按优先级进行资源调度时易造成目标任务丢失的问题,提出基于调度效益最大化的多功能组网认知雷达资源优化调度算法。该算法将搜索与跟踪任务的时间窗考虑到目标函数中,通过目标任务的重要性(优先级)和有效性(时间窗)两个因素的加权来表示雷达对目标任务的调度效益,根据调度效益最大准则建立并利用遗传算法求解资源调度模型。对仿真结果分析表明,该方法能够提高组网认知雷达的整体效能。     

考虑人力资源排班的资源受限项目调度问题建模与优化

针对实际生产系统中人力资源以排班的形式进行生产活动的情况,提出考虑人力资源排班的资源受限项目调度问题,以最小化项目工期为目标建立了问题的数学模型.由于串行调度在传统任务列表编码对应的解空间下难以获得较优解,本文借鉴车间调度中析取弧的概念,提出了一种改进任务列表编码方式,通过在任务之间添加析取弧的方式扩大算法的搜索范围.此外,为提升遗传算法的局部搜索能力,在改进任务列表编码基础上设计分支定界搜索框架,对遗传算法得到的染色体进行分段深度搜索,并设计支配规则降低算法计算时间.结果表明:内嵌分支定界搜索框架的遗传算法能够提高求解质量,而设计的支配规则能有效降低算法的运算时间.     

一种求3机Flow—shop调度问题的遗传算法

提出一种遗传分枝定界算法求解3机Flow-shop调度问题，该算法似于常用的遗传局部算法和遗传动态规划算法，用随杨方法生成测试例子，通过与著名的Taillard的禁忌搜索算法和Reeves的遗传算法进行比较，实验结果证实了遗传分枝定界算法的有效性。     

基于遗传禁忌搜索算法的公交调度研究

通过对公交运营调度的分析,建立了以乘客等车时间和公交公司运营费用为优化目标的调度模型;然后对遗传算法和禁忌搜索算法进行了分析,并将禁忌搜索算法引入遗传算法组成混合遗传禁忌搜索算法(GATS);最后针对所建立的公交调度模型进行了GATS算法设计和仿真,结果表明混合遗传禁忌搜索算法比标准遗传算法具有更好的效率,是解决公交调度问题的一个有效方法.     

基于不同分配策略的云计算任务调度性能比较与分析

形式化描述了云计算环境下的负载均衡任务调度问题,借助动态规划方法形式化推导了最早完成时间的启发式优先分配策略,给出了基于先易后难优先分配策略、先难后易优先分配策略的启发式云计算任务调度算法。阐述了基于顺序调度策略、先易后难优先分配策略、先难后易优先分配策略等启发式任务调度算法和基于禁忌搜索策略、元胞演化策略等智能任务调度算法。针对不同分配策略的云计算任务调度进行性能比较与分析,提出了完成时间可改进百分比和资源负载平衡因子的调度性能评价指标,实验数据对比充分表明:与启发式调度算法相比,智能调度算法能减少任务执行时间,优化资源负载均衡性能。     

遗传算法在排课系统中的优化研究

本文对高校排课的双目标问题进行研究、分析,对排课问题按照遗传算法进行编码,定义好适应值函数后进行选择交叉,并用禁忌搜索算法进行代替变异操作,实现了遗传与禁忌搜索算法相结合的排课系统算法设计.     

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.     

基于禁忌搜索的柔性作业车间分批调度

针对柔性作业车间的分批调度问题,提出了一种基于禁忌搜索算法的柔性分批调度算法.首先进行批次初始划分;然后利用禁忌搜索算法优化批次加工路线和子批加工顺序;最后在零件子批数不变的前提下,利用批量变化局部搜索进行批量分割的优化,实现了最小化完工时间和机床负荷的调度目标.实例分析结果证明了柔性分批调度算法的可行性、高效性和适用性.
     

有时间窗配送车辆调度问题的禁忌搜索算法

在对有时间窗配送车辆调度问题进行描述的基础上,建立了该问题的基于直观描述的数学模型.通过设计一种新的解的表示方法构造了求解该问题的禁忌搜索算法,并以21个节点的运输网络为例进行了实验计算.计算结果表明,用作者设计的禁忌搜索算法求解有时间窗配送车辆调度问题,不仅可以取得很好的计算结果,而且算法的计算效率较高,收敛速度较快,计算结果也较稳定.     

最小化加权绝对偏差的并行多机调度问题

用禁忌搜索算法（ＴＳ）求解带有最小化绝对偏差的并行多机调度问题，首先证明了它是一个ＮＰ－难题，然后用一个启发式作初始解，给出一个禁忌搜索算法，实验表明，禁忌搜索方法求解最小化加权绝对偏差问题可以获得最优解或近似最优解。     

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。     

TS+BS混合算法及在Job Shop调度问题上的应用

为解决较大规模的最小化完工时间 Job Shop调度问题 ,在 Tabu Search(TS)和 Beam Search(BS)方法基础上 ,提出一种采用基于问题结构信息的搜索树生成方法和搜索策略的调度算法 ,该算法采用通过有选择地对解空间进行分枝和评估相应的分枝实现算法迭代的 Beam Search机理 ,并利用局部搜索能力强的 Tabu Search搜索算法进行各分枝的评估 ,进而确定适合 Beam Search算法迭代的理想分枝 ,以降低 Beam Search算法漏掉好解的可能性。并用 4 0个最小化完工时间 Job Shop调度问题的 Benchm ark实例进行了数值计算。计算结果表明 ,该算法效率高 ,解的性能令人满意 ,并适应于较大规模的调度问题     

面向JIT的生产作业计划禁忌搜索算法

研究和设计了面向准时制生产作业计划的禁忌搜索详细算法,论述了该算法的基于工序块的邻域设计、禁忌表设计以及在两条变动的关键路线上所做的邻域搜索策略设计．最后以准时制生产为目标,归纳出了考虑长期记忆功能的禁忌搜索算法步骤,并采用ＶｉｓｕａｌＦｏｘｐｒｏ ５．０ 编程实现了该算法．     

基于自适应遗传算法的网格任务调度优化

针对传统任务调度算法效率较低、资源负载不平衡等缺点,基于遗传算法,考虑现代网格系统异构性和动态性的特点,提出一种有效的交叉概率和变异概率自适应更新方法,提高遗传算法的全局搜索能力和收敛速度.仿真实验表明,改进后的遗传算法在进化速度上有明显提升,可较好地处理网格任务调度问题,提高任务调度效率,降低资源负载的不平衡性.