泊位调度问题的GATS混合优化策略

在集装箱港口的运作中，泊位调度系统是制约集装箱港口降低船舶在港时间和运营成本的主要瓶颈之一．泊位调度问题是NP难问题，本文分别应用遗传算法GA和混合优化策略GATS对泊位调度问题的非线性规划模型进行了求解，与遗传算法相比，混合优化策略GATS增加了种群多样性，加速了进化过程，避免陷入局部极小解。     

有垃圾量变动的生活垃圾收运车辆调度干扰管理研究

为解决由垃圾收集点垃圾量变化引发的生活垃圾收运车辆调度干扰问题,提出基于干扰管理思想的扰动恢复策略和方案.通过分析干扰事件对垃圾收运系统的扰动,构建垃圾收运车辆调度的扰动辨识和扰动度量,并以新方案与原方案偏差最小为目标,建立扰动恢复数学模型.设计基于车辆收运路径编码方式的遗传算法,求解该类问题.为统一车辆收运状态,引入虚拟收集点概念,并对干扰管理目标函数中的惩罚参数进行研究.最后,通过实例进行仿真实验,并与重调度结果进行比较,验证干扰管理模型和遗传算法的有效性.研究结果表明,干扰管理可以有效降低计划偏离度,并合理控制成本.     

面向作业车间调度问题的遗传算法改进

为了获得遗传算法在作业车间调度问题上的最优化解,提高算法的迭代速度,研究了遗传算法的改进方法,以工件的加工时间最短为目标建立调度模型。在算法上提出了基于概率改进的具有自适应能力的交叉与变异算子,以求作业车间调度问题的最优解。在遗传算法上采用精英保留策略方法,并结合改进的自适应算子对问题进行求解。以基准案例LA01和FT06作为实验仿真对象,获得了相应的甘特图以及搜索过程曲线。仿真结果表明,与未改进的算法相比,该算法能够更加快速地获得最优解。改进后的算法在搜索上更加快速有效,在求解作业车间调度问题上具有一定的可行性,更加适合工业加工生产。     

伪并行遗传算法在供水管网优化调度中的应用

讨论了基于微观水力模型的多水源大型供水管网优化调度问题的主要特征，并提出了求解该问题的改进遗传算法．首先，针对决策变量的结构提出二进制-实数混合编码策略；其次，设计并实现了多种群进化的伪并行遗传算法．将本算法与单一群体进化算法同时应用于实际管网的优化调度求解，结果表明，通过个体迁移策略，伪并行遗传算法可以加速优化搜索的进程，显著改善解的质量，并有效节省运行调度费用．     

炼钢－连铸最优炉次计划模型与算法

对钢铁厂炼钢－连铸计划与调度中的炉次计划建立了一个最优炉次计划混合整数规划模型．为了用遗传算法求解这一带约束条件的混合整数规划模型，提出了一种染色体的构造策略和交叉、变异方法，解决了迭代过程中满足可行性要求的问题，经用实际数据进行计算，表明所给模型和算法是有效的．     

企业生产采购协同计划干扰管理研究

为了有效应对生产采购协同计划中的需求变化这一扰动,提出了扰动度量方法,构建了考虑生产与采购计划偏离度和总成本最小化生产采购协同计划干扰管理模型,设计了用于求解该问题的知识进化算法方案,阐明了实现该算法的过程.当干扰事件发生时,系统能快速响应需求量的变化,并调整生产与采购计划.对实例进行了仿真,并与重调度结果比较,验证了本干扰管理方案的可行性与有效性.结果表明干扰管理可以有效降低计划偏离度,并合理控制成本.     

差分进化算法求解自动堆垛起重机调度问题

[目的]研究了自动化码头双自动堆垛起重机(Automatic stacking crane,ASC)调度问题,为了提高堆场的作业效率,考虑ASC作业过程中的干扰和冲突,以极小化所有作业的总完工时间为目标,建立自动化码头双ASC调度问题的混合整数规划模型.[方法]通过CPLEX求解器对模型进行求解.为了解决中等规模问题,设计了基于任务编码的离散差分进化算法进行求解,并把求解结果与遗传算法求解结果进行对比分析.[结果]所设计的离散差分进化算法能够在要求的时间内解决自动化码头双ASC调度问题;[结论]相较于遗传算法,本文提出的算法寻优能力更强.     

一种求解工程调度中时间/成本权衡问题的遗传算法

结合工程调度中时间/成本权衡问题的特点,设计了一种有效的求解工程底线问题的遗传算法,基于该遗传算法提出了有效工期/成本曲线的绘制策略·对遗传算法解的编码方式、遗传算子的定义及算法结构进行了描述·通过对大量测试问题的求解实验表明,遗传算法是求解该问题的一种有效算法     

基于滚动策略的不确定干扰下场桥调度问题研究

目前影响集装箱港口装卸效率的“瓶颈”从岸边作业转移到堆场作业.合理的场桥调度方案不仅可以提高堆场作业效率也可以配合集卡、岸桥,提高整个港口的装卸效率.而在实施场桥调度方案时,总会出现各种不确定干扰因素使得原先的方案不能正常实行.针对这一问题 ,本文提出一种在滚动窗口策略下处理不确定干扰因素的场桥调度流程,即当出现干扰时,触发窗口再调度机制,以减少干扰的影响.并且建立了以任务完成最大延迟量最小化为目标的混合整数规划模型,采用改进遗传算法对模型进行求解.通过案例分析对比,验证了算法的有效性以及滚动窗口策略下场桥调度方案更优,更符合港口的实际运营.     

基于改进GA含蓄电池充电次数约束的微电网动态调度

针对独立微电网的动态优化调度问题,以微电网系统运行约束、可控微源出力特性约束及蓄电池运行约束作为微电网优化模型的约束条件,考虑蓄电池充放电转换次数约束,建立以独立微电网运行经济成本与环境成本为综合优化目标的动态优化调度模型;然后,采用一种基于Tent混沌映射技术与NDX交叉策略的改进遗传算法求解该模型;最后,通过仿真算例验证模型的合理性。结果表明,优化调度模型中供热/电可靠性水平与综合成本间呈近似线性关系,合理限制蓄电池充放电转换次数有利于降低综合成本。与其他算法的对比结果表明,改进遗传算法在求解该类复杂的多约束优化问题时收敛效果良好。     

基于交替迭代遗传算法的多级车间生产计划与调度的集成优化

为了提高多级生产系统的运作效率,研究了一类多周期的多级车间生产计划与调度的集成优化问题,该生产系统由一级混批Job-shop车间和一级混流装配车间串联而成.首先建立了该类集成优化问题的混合整数规划模型,该模型从上下游生产车间的需求关系出发,综合考虑上下游车间的物料平衡、设备负荷以及开工位置等约束条件,同时满足优化上下游生产线的费用目标.然后提出了一种交替式混合遗传协调优化算法求解该集成优化问题,其主要思想是给定计划用一种混合遗传算法求调度,反过来给定已求调度用另一种混合遗传算法求取新计划,如此不断交替使用2种混合遗传算法实现计划与调度的同时优化.仿真结果证明了该方法的可行性和有效性.     

基于遗传算法多目标优化的工程项目调度

在建设工程项目管理中,施工周期和项目成本的综合均衡管控是项目调度管理的最重要内容之一。然而,实际中两者的关系即相互关联又矛盾对立,任一目标的优化必然以弱化另一目标为代价。因此,工程项目调度管理问题是一类组合优化问题。为此本文提出了一种基于遗传算法的多目标优化建设项目调度模型。模型为项目管理者制定和评估工程完成最佳时间和成本最小化的的工程施工进度计划。计算模型主要分为三个模块：开发实用的建设项目进程调度模块;计算项目成本的管控模块;多目标搜索和识别项目时间和成本之间最优或接近最优解的权衡模块。最后,应用该模型分析了一个应用实例,并证明了模型的有效性,为项目管理者提供理论参考。     

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.     

天然气管网优化调度方法研究

以压缩机站最小年运营费用为目标函数,考虑气田资源、压缩机站特性参数、管网输送工艺等多种约束条件,建立了天然气管网优化调度数学模型。基于现代启发式演化算法的基本思想,将差分进化算法的繁殖策略与遗传算法的交叉、变异结合起来形成了一种新的混合遗传算法,应用于模型的优化求解,避免了一般演化算法早熟收敛现象,并以一个12个节点、11条管段、2个压缩机站的天然气管网为例,评选出了最优的管网运行方案,用于该管网的日常运营调度和后期改造设计。结果表明,所建模型和优化方法是有效的,具有一定的实用性。     

一种改进的遗传算法在云计算中的应用

针对传统的遗传算法在云环境中迭代次数多、耗时长的缺陷,提出了一种改进的遗传算法,主要从执行时间及执行任务所需的费用两个方面来优化任务调度.通过建立任务调度模型,设计出相应的适应度函数、界限函数.仿真结果表明,在任务调度中运用改进的遗传算法,所需的平均等待时间要短,调度所需的费用也比传统的遗传算法要低.     

基于多规则资源分配的柔性作业车间调度问题多目标集成优化方法

针对柔性作业车间调度问题中多种资源分配的复杂特性,建立了以最小完工时间、最优人工分配方案、设备最大负荷以及最小生产成本为目标的集成优化模型,并设计了一种具有多重资源约束的多目标集成优化方法;针对组合模型的爆炸性特征,为降低模型的复杂度,采用多规则资源分配的集成调度思想,通过调整规则概率使概率大的规则被优先选中,使用多规则导向机制"推动"搜索过程向指定目标方向移动,并结合动态规划法求解最优人员分配方案;采用改进的非支配排序遗传算法——NSGAⅡ可以获得不同规则概率值的Pareto解集;最后,通过仿真对比与应用验证了所提方法的有效性.     

考虑源荷不确定性的风光储耦合制氢系统两阶段能量调度

为降低源、荷不确定性对系统能量调度的影响，提出了一种离网型风光储耦合制氢系统两阶段能量调度策略，并建立日前-日内两阶段滚动优化调度模型。日前调度阶段，采用电解槽分级调度策略，并以系统富余功率或过剩功率与可再生能源总功率比值最小为目标函数，建立日前系统稳定性调度模型。日内调度阶段，考虑可再生能源与负荷的不确定性，提出储能分组调度策略，建立包含源、荷预测误差的日内调度目标函数，以滚动优化方式修正日前机组出力计划。对黏菌算法改进，使用改进黏菌算法求解调度模型。算例表明：所提出两阶段稳定性调度模型可有效应对源、荷不确定性对系统能量调度影响，提高了系统应对源、荷波动时的稳定性。     

基于包簇映射的云计算资源分配策略

提出了一种基于包簇映射的云计算资源分配策略。在包、簇概念下,资源可共享,任务调度更为灵活,资源利用率更高。将多目标遗传算法与改进的蚂蚁算法动态融合,提出了一种基于成本最优的云计算资源分配算法。该算法在任务前期利用遗传算法快速随机的全局搜索能力,产生初始信息素,在任务后期通过蚂蚁算法蚂蚁间的信息交流和正反馈机制,寻找资源分配的最优解。实验结果表明,在包、簇概念下,该混合式调度算法能够显著降低云计算系统的任务完成时间和任务执行平均成本,有效减少簇结点的使用数量,提高资源利用率。     

A Dependent-Chance Programming Model for Proactive Scheduling

Proactive scheduling based on expected value model is an effective method to develop robust schedules in consideration of minimizing project cost caused by deviations between realized and planed activity starting times.However,these schedules may be realized with low probabilities.In this paper,a novel model based on dependent-chance programming(DCP) is proposed,considering probability as well as solution robustness.A hybrid intelligent algorithm integrating stochastic simulation and genetic algorithm(GA)is designed to solve the proposed model.Moreover,a numerical example is conducted to reveal the effectiveness of the proposed model and the algorithm.