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。     

随机故障下单机鲁棒调度算法的遗传编程方法

研究了随机故障环境下具有预测能力的单机鲁棒调度方法.通过插入空闲时段的方法吸收随机故障的扰动,进而对带空闲时段的鲁棒调度启发式,采用基于双子树结构编码的遗传编程体系加以学习.实验表明 所进化的启发式算法的拖期性能明显优于现有启发式,并通过适量插入空闲时段保持了较好的预测性能.这些算法由自适应的组合排序规则和空闲时段计算程序有机构成,并可较好地移植到其他不确定环境中.因此,所提出的遗传编程方法是不确定调度环境下相当有效的机器学习方法.     

大型科学仪器设备资源的建设与整合

1主要成果介绍 整合现有大型科学仪器设备资源，建立以共享为核心的运行管理机制，促进现有大型科学仪器资源开放服务，对于提高有限资源的使用效益，满足科技、经济社会快速发展的需求具有重要意义。大型科学仪器设备资源建设与整合，就是把分散在全国各地仪器中心、分析测试中心、实验基地等各个点上的科学仪器资源信息、     

基于NDP的遗传算法及其在JSP中的应用

遗传算法被广泛应用于求解车间作业调度问题(JSP),但遗传算法具有最优参数难以确定的问题。对此,该文提出了一种基于神经元动态规划(NDP)的遗传算法NDP-GA。该文将遗传算法用M arkov决策过程模型描述,建立了M arkov决策过程最优策略与遗传算法最优参数之间的联系。在此基础上,用神经元动态规划逼近M arkov决策过程的最优策略,并用学习到的策略指导遗传算法最优参数的选择。数值计算结果表明,该文提出的算法能自动收敛到最优遗传参数,并在求解JSP问题时能稳定地得到满意解。     

模糊信息的复合型处理机制

通过水平截集将模糊信息局部清晰化是生产线优化调度等实际领域中常用的方法。该文针对模糊信息之间的差异度量问题,在分析了现有度量方法不足的基础上,引入了一种描述水平可靠程度的参数——水平可靠性函数,并从模糊数的水平截集和隶属函数出发,给出了几种水平可靠性函数;进而通过可靠统计量建立了一种带有可靠程度的衡量模糊数之间差异的度量机制,并结合实例给出了建立这种度量机制的方法和步骤。分析结果表明这种度量机制是现有模糊度量的完善,并将为模糊信息处理的决策和优化提供理论基础。     

支持企业动态联盟的信息基础结构

企业动态联盟作为一个整体实际上是由多个属于不同组织的和处于不同地理位置的实体协作构成的。该文从企业动态联盟的特点出发,分析了企业动态联盟对信息共享和互操作的需求,讨论了各种可行的集成机制,提出以标准化技术,包括以Ｉｎｔｅｒｎｅｔ技术、基于ＣＯＲＢＡ（公共对象请求代理体系结构）的对象技术和基于ＳＴＥＰ的信息技术为基础,以工作流管理技术为工具,建立支持企业动态联盟运作的信息基础结构。最后指出了在构建上述信息基础结构时有待解决的一些技术问题和方向。     

车间生产调度问题的技术现状与发展趋势

对于ＣＩＭＳ环境下的车间的计划与调度问题,从ＦＭＳ（柔性制造系统）中车间调度问题的分类与特点的讨论出发,综述了当前存在的车间调度问题的各种研究方法;在总结出当前研究调度问题的多种研究策略的基础上,指出了当前车间调度问题研究中存在的问题、解决途径及发展趋势。提出了几个具有前途和代表性的关于这类问题的研究方向和方法,以期为这类问题的研究指出可行的道路和方向。     

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     

粗糙数据的Max-Min分级模型

针对复杂制造系统生产线优化调度等众多实际领域中的不确定性处理问题,在分析了现有进化计算机制的特点以及存在的不足基础上,建立了一种数组分级的Max-Min模型,讨论了该模型中两个基本参数(分级参数和分级调节参数)的性质及其作用,证明了在分级参数充分大时,Max-Min分级模型即为某种意义下的比例分级。分析结果表明,Max-Min分级模型是一种可反映一定松弛意识的较比例分级更广泛的分级方法,适应于不确定信息的分类问题,弥补了现行分级方法不适合粗糙数据的不足。最后给出了不确定环境中进化机制的个体复制方案。     

一种基于神经网络的并行设计活动调度方法

对并行产品开发过程中的活动进行调度,对于缩短开发周期、降低成本、减少返工和确保具有串行关系的活动尽可能地并行进行具有重要意义.针对并行活动调度问题提出了一种约束满足神经网络与启发式结合的算法.其中神经网络用于获得所有活动的可行的开始时间;用启发式算法求得基于资源约束的调度问题的可行解;然后用梯度搜索算法优化可行调度方案得到最终优化可行调度解.应用实例表明此法对并行活动调度的有效性和可行性.