极小化加权完工时间和的调度问题

讨论目标函数为极小化加权完工时间和的调度问题·对于这类问题,平行机问题是NP 难的·基于对问题的分析,对工件的加工时间相等的恒速平行机问题,给出了多项式最优算法·Openshop问题是强NP 难的·给出了工序的加工时间相等的无等待Openshop问题与工件的加工时间相等的同速平行机问题的联系·根据这种联系,对工序的加工时间相等的无等待Openshop问题,给出了多项式最优算法·算法的复杂性均为O(nlogn mn)·     

黄河上游地区水资源可持续利用研究

通过时我国黄河上游地区水资源利用现状和存在问题的分析研究，提出了相关的对策和建议，以促进该地区水资源利用的可持续发展．     

带机器准备时间的同类机在线与半在线排序问题

研究带机器准备时间的m台同类机(uniform machines)在线和半在线排序问题，目标函数为极小化最大机器(工件)完工时间。对于在线情形，证明了LS算法的最坏情况为ρ=｛（1 √5）/2，m=2,1 √2m-2/2,m≥3，并且当m=2，LS算法是最好的近似算法；当m=2，3，…，6时界是紧的，特别地，当s1=s2=…=sm-1,sm≥l时，证明了LS算法的最坏情况界为ρ=｛（1 √5）/2，m=2,3-4/m 1,m≥3，而且界是紧的；对于已知加工时间递减的半在线排序问题，证明了LS算法的最坏情况界为2—2/(m 1)。     

混合遗传算法求解车间作业调度问题

分析了生产调度问题,提出一种更为有效的动态混合遗传算法,成功地解决了复杂的FT10×10问题.研究过程中引入自适应遗传算法思想,结合一种能够很好解决调度问题的编码规则和适应度值函数,对该算法进行了详细分析.为防止在遗传操作过程中非法染色体导致程序运行失败,给出了非法染色体合法化的规则.仿真结果表明,该算法和编码规则非常适合调度问题,且所提出的动态混合算法优于其它算法.     

山西霍山植物资源的开发利用与保护对策

通过对霍山多种植物类别资源的分布、生境、组成的研究，详细分析了植物资源的种类及开发利用前景，从植被生态学、生态经济学和环境科学等多学科、广角度出发，为维护生态平衡，促进周边地区可持续发展以及植物资源的开发利用、改造和保护提供科学依据。     

天佛指山松茸资源属性及其可持续发展

充分阐述了天佛指山松茸资源的自然属性、可保护属性和保护区的科学管理基础及条件，指出这些是天佛指山松茸资源可持续发展雄厚的软、硬件基础，而争取到国家级自然保护区的管理力度和条件，加快科学技术应用和成果转化，形成现代化的松茸资源监控管理体系和松茸资源信息管理系统，将强有力地促进天佛指山乃至整个长白山区松茸资源的可持续发展。     

基于准时制的时间成本双目标作业调度优化

提出了一种基于混合遗传算法的以生产周期和生产成本为优化目标的作业调度方法，该方法采用Giffler-Thompson启发式调度算法产生活动的调度，基于工序编码的染色体决定了工序调度的优先级，在启发式调度算法产生的冲突集合中，根据工序的优先级选择下一步安排加工的工序，混合遗传运算在全全局范围内搜索具有最优调度工序优先级的染色体，同时，在GifflerThompson的启发式算法中，采用了反向调度的策略，即从工件的交货期开始，先安排最后一道生产工序，然后依次安排前一道生产工序，直到工件的第一道工序调度完毕，形成一个完整的调度方案，在算法中，不仅考虑了工件的生产周期和多个工艺计划，而且考虑了库存费用和加工费用，设计了基于生产周期和生产成本的双目标适应度函数，算例结果表明该方法是可行的。     

物流配送车辆优化调度的综述

物流配送车辆优化调度问题是一类具有广泛应用的强NP难题,本文综合国内外多种参考文献,阐述了该问题的定义和分类,具体介绍了不同情况下的常见模型和主要算法,并就目前该问题的研究发展情况做了简要分析和进一步的展望.     

山东省水资源可持续利用研究

在中国严重缺水的省份之一山东省水资源现状的基础上，分析了山东省在水资源利用方面存在的问题，并提出了确保山东省水资源可持续利用的可行性措施。     

Flow-Shop Scheduling Models with Parameters Represented by Rough Variables

In reality, processing times are often imprecise and this imprecision is critical for the scheduling procedure. This research deals with flow-shop scheduling in rough environment. In this type of scheduling problem, we employ the rough sets to represent the job parameters. The job processing times are assumed to be rough variables, and the problem is to minimize the makespan. Three novel types of rough scheduling models are presented. A rough simulation-based genetic algorithm is designed to solve these models and its effectiveness is well illustrated by numerical experiments.