基于NSGA-Ⅱ算法的多目标公交调度优化模型

针对传统公交调度方案容易导致运营经济成本和乘客时间成本的不合理分配问题,提出了一种基于NSGA-Ⅱ算法的多目标公交调度优化模型。综合公交车辆运营成本、乘客出行成本及乘车舒适度三个目标函数,建立公交调度优化模型,通过非支配排序遗传算法对模型的pareto最优解进行计算。最后以深圳市某路公交为实例,通过采集线路参数,计算得到该线路最优发车间隔。验证了NSGA-Ⅱ优化算法在公交调度中的有效性,对公交运营与线路改善有一定的借鉴意义。     

不确定环境下多项目调度与控制模型研究

项目调度与控制是项目管理人员从事项目管理时尤为重视的问题,它直接关系到项目的成本、质量,以及竣工时间。在资源竞争日益激烈的当下,如何提高效率,保证项目质量,实现利润最大化,尽可能缩短工期,是每个项目管理人员亟需要具备的能力。而与传统的单项目调度与控制研究相比,不确定环境下多项目调度与控制研究要复杂很多,因此本文在结合前人相关研究的基础上,添加资源利用率这一目标,结合项目管理的特点,建立相应的多项目调度与控制模型,以期达到最大程度实现各目标均衡优化的目的。     

考虑成本的资源受限多项目优化调度研究

文章针对资源受限多项目优化调度问题,考虑到多项目调度过程中发生的成本,提出一种综合考虑多项目延迟成本、可更新资源闲置成本和可更新资源转场成本的多项目优化调度模型。该模型理论上实现了多项目在成本目标最小情况下的优化调度方案,设计混合蚁群算法对该模型进行求解,通过实例验证了模型的有效性,结果证明对实际调度有指导意义。     

不确定环境下再制造加工车间多目标调度优化方法

针对再制造生产过程中工件的加工时间和成本不确定性调度问题,文章提出了一种不确定环境下再制造加工车间多目标调度优化方法。该方法采用模糊变量表示其不确定性参数,以最小化加工时间和成本为目标,在满足模糊交货期等约束条件下,构建了不确定环境下多目标决策的模糊机会约束规划模型,并提出了求解该模型的混合智能算法;应用模糊模拟技术产生样本数据,用于训练神经网络以逼近不确定函数;针对神经网络中存在收敛速度慢、容易陷入局部最优的缺点,应用改进的粒子群算法优化神经网路,将训练好的神经网路嵌入改进的遗传算法中求解调度模型。最后,通过仿真实例,验证该模型和算法的可行性。     

基于粒子群的多目标多执行模式项目调度

聚焦多目标多执行模式特点下的项目调度问题,通过建立工期、费用、资源和质量多目标函数,构建综合优化模型,同时运用粒子群算法解决工程项目多目标多执行模式优化问题.最后,通过一个应用实例计算,表明粒子群算法可以准确快速地解决该模型下的工程项目多目标优化问题,达到了项目调度中面对不同模式进行抉择,并且缩短工期、减少成本、均衡资源以及提升质量的综合的理想效果.     

基于生物地理学算法的微电网多目标优化调度

针对含风力发电机、光伏电池、微型燃气轮机、柴油发电机、蓄电池组成的微电网系统优化调度问题,设置系统相关约束条件,建立以运行成本最小、用户停电损失费用最小及环保成本最低的微电网多目标优化调度模型,采用生物地理学算法对模型进行求解;对某独立型微电网算例的单目标优化调度与多目标优化调度的仿真结果进行对比。结果表明:单目标下的微电网优化调度,虽然可以在单一方面达到最优,但是以其他目标的增加为代价;多目标优化调度综合考虑了微电网的经济性、节能型、可靠性之间关系,实现了运行成本、用户停电损失费用、环保成本下的全局最优,可根据用户的实际需求提供一种更合理的微电网优化调度方案。     

基于异质性出行需求的公交线路组合调度研究

为进一步研究异质性需求公交线路的组合调度,设计全程车、区间车和大站快车组合调度研究模型:以公交线路总成本(包括用户成本和运营成本)为目标函数,以各种调度模式发车频率、大站快车跳过站点为优化参数,以满足乘客出行需求为约束条件。模型首先基于Logit模型计算换乘比例,将乘客的出行需求进行分类,然后对组合调度方案进行建模。设计一种混合遗传算法的布谷鸟算法求解算例,获得最优解,并对模型参数进行敏感性分析。计算分析结果表明:此组合调度方法相较于全程车、全程车+区间车调度模式,总成本分别减少24.3%和14.4%;并优化乘客出行方式;乘客时间价值和单位运营成本对结果影响较大。通过这种组合调度优化方法,为公交运营企业调度方案提供一种新思路。     

油料调度保障问题的多目标优化方法

【目的】研究油料保障活动中的调度保障问题。【方法】综合多方面因素，构建了以调度效率最大化、系统调度成本最小化以及系统调度时间最小化为目标函数的多目标优化模型。【结果】利用多目标优化的主要目标法等标量化方法将问题转化为单目标优化模型，分析该模型解的性质并提出相应的遗传算法进行求解。【结论】提出的多目标优化方法能够在保障调度效率的同时获得相应较低的系统成本和相应较短的系统调度时间，可为油料调度保障问题提供决策参考。     

基于遗传算法的项目管理优化仿真研究

传统的项目进度一维优化扩展至有偏好的二维目标(进度、成本)优化,同时将成本优化目标分解为项目成本大小以及资源均衡度从而构成三维目标优化,将无资源约束的环境扩展至资源约束下的复杂环境,将局部搜索优化领域扩展至全局范围内的优化.在内容上,先对项目的单目标优化管理理论进行详尽研究并指出其现实的局限性,同时提出了智能启化式方法-遗传算法在资源约束下项目管理优化方面的优势.在此基础上本文构建了基于三维目标偏好的项目管理优化仿真模型,解决了项目管理优化理论中最为重要的两大问题:资源约束下的项目进度优化以及资源约束下的三维目标(项目进度、项目成本以及资源均衡度)的优化问题.为了验证此模型对以上问题的有效性,本文应用Matlab仿真技术进行仿真模拟并与传统方法做比较,从结果可以看出遗传算法能够更好的解决此类问题.     

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。     

基于模糊集理论的施工项目工期—成本—质量权衡优化方法研究

基于模糊集理论对施工项目工期、成本和质量多目标权衡优化这一问题进行系统研究.研究表明:采用三角模糊数能够有效表达施工活动持续时间和成本的不确定性,通过建立质量模糊评语集及其隶属函数,可以对质量水平进行合理的量化评估.利用Pareto最优化原理,设计基于非支配排序遗传算法的运算程序,从而建立不确定条件下施工工期、成本和质量多目标权衡优化模型,决策者可以从模型获得的一系列Pareto最优解中寻求满意方案.     

资源受限项目调度模型的施工进度管理

综合资源受限项目调度问题的研究和实际建设工程项目施工进度管理的需求,提出广义优先关系下的差分进化人工蜂群算法的资源受限项目调度模型.其中差分进化算法用于处理交叉变异问题,人工蜂群算法用于处理寻优过程的各阶段推进,并以广义优先关系串行调度产生方案获得的总工期作为适应度值确定优先级编码.根据实际工程项目的应用进一步提出由逆向反推计算关键路径、关键任务的资源及历时优化、非关键任务的资源均衡等组成的资源约束进度管理方法.在eclipse环境下用Java语言进行编程,快捷准确地获得进度和资源相关的资源约束进度计划、约束资源分布情况,以及资源与工期的优化方案.     

耦合投资-风险目标的水电工程进度模糊综合优化

综合考虑利率和物价上涨因素对水电工程总投资的影响,建立了耦合投资一工期风险目标的进度综合优化模型．为了公度投资和工期风险对决策目标的模糊效用,提出了基于Vague集的工程进度模糊综合优化方法,并采用遗传算法对这一整数型非线性多目标优化问题进行求解．针对某水电工程开展实例研究,给出了最佳进度安排下的工程总投资、利息、物价上涨准备金、工程完工风险及相应的资金流曲线．本文方法可为水电工程进度优化与决策提供一条新的有效途径．     

预制构件生产-运输-装配一体化的建造调度优化

为研究预制构件生产-运输-装配一体化的建造调度优化问题,构建装配式构件全过程的多目标调度优化模型.优化模型将预制构件3个阶段的优化作为一个扩展的生产车间调度优化,并采用改进的双种群遗传算法对模型进行求解.结果表明：改进的双种群遗传算法能够显著提高遗传算法的搜索效率;优化模型能够有效地减少总完工时间和并行机器的总机器成本.     

考虑资源闲置成本的网络计划资源调度优化模型

针对在考虑风险因素时,资源就位时间的任何改变都可能使总工期和资源闲置时间发生变化,进而影响到施工计划总成本的情况,建立了总成本最低的最佳资源就位时间优化模型,并给出了利用蒙特卡罗(MC)法模拟和遗传算法求解各工作最佳资源就位时间的方法.实例验证结果表明,该优化模型优于CPM网络模型.     

基于MCCAA的工期成本质量的多目标优化分析

工期、成本、质量是工程建设项目的三大控制目标,然而这“三大目标”既对立又统一,为了同时达到三个目标的优化,本文构建合理的目标模型,并且针对传统蚁群算法容易出现早熟和停滞现象的缺陷,提出了一种改进的协同进化蚁群算法,在必要路段使各目标的信息素信息进行杂交变异,优化路径上的信息素分布,并运用改进的多种群蚁群协同算法实现算例的多目标优化应用。     

基于膝点驱动进化算法的工程施工多目标优化

在传统的工期-成本施工优化体系上引入安全水平和环境影响两大目标，构建施工工期-成本-安全-环境多目标优化模型，采用膝点驱动进化算法KnEA进行多目标寻优。首先，构建工期-成本-安全-环境目标函数，其中安全目标函数的构建采用网络系统理论，构建工期-安全、成本-安全函数，环境目标函数考虑项目对环境的直接影响和间接影响; 然后，以工期天数、直接成本为输入，进行KnEA模型的参数设置，选取典型工程项目施工工序组合构建施工多目标优化模型。最后，利用KnEA算法求解，得到使工期-成本-安全-环境综合最优的工序执行模式组合的帕累托最优解集，与典型优化算法对比，验证了knEA算法在工程施工多目标优化中的有效性，从而证明了本文能有效指导施工过程的优化管理。     

最佳觅食算法求解多目标混合流水车间调度问题

针对生产车间中需要同时考虑减少生产时间、确保加工质量以及通过减少能耗而降低生产费用的需求,建立以完工时间、空闲时间、加工质量和机器能耗为目标的多目标混合流水车间调度模型,提出一种基于直觉模糊集相似度的最佳觅食算法.为有效求解此问题,提出基于Largest Order Value规则的双层整数编码方式,在机器层编码部分采用权重法来计算机器的选择概率.针对多目标优化,提出直觉模糊集相似度的解比较策略,采用直觉模糊集相似度的大小衡量Pareto解与理想解的相似程度,判断Pareto解的优劣.通过测试实例和实际案例,验证本算法求解多目标混合流水车间调度问题的有效性和可行性.