基于CVaR的能源互补联合系统优化配置模型研究

由于风电、光电出力具有不确定性,因此会引起电网频率的较大波动,严重影响电能质量.为了保证含有新能源电力系统的稳定运行,特提出风光水储联合调度优化模型.首先,建立含新能源的电力系统优化调度数学模型,该模型追求系统机组耗量最小.在进行含新能源发电的电力系统优化调度中,可被用来调度的出力实际为满足负荷功率后,扣除新能源输出功率的那部分火电机组出力.算例结果表明,本文采取CVaR具有良好的性能;风电与光伏清洁能源机组并入系统中增加了日前调度的不确定性风险,但通过CVaR评估计算系统风险,采取有效的措施会使系统发电成本减少与碳排放量减少.     

基于遗传算法的水电站优化调度新方法

提出求解水电站优化调度问题的新方法——遗传算法，它不同于经典优化算法的特点是，从多个初值点开始寻优，沿多路径搜索实现全局或准全局最优，计算过程中不需要存储状态或决策变量离散点，大大减少计算机内存，不必求导运算，编程简单，是一种有效的自适应随机搜索算法.     

基于指标函数的舰载机机队回收调度优化研究

由于复飞逃逸、飞行故障等因素随机发生, 传统静态调度方法难以有效解决动态随机调度问题。对此,提出一种基于飞机优先序指标函数的蒙特卡罗模拟-差分进化搜索的实时调度算法。在离线模拟回收环境下,由算法完成基于随机模型的指标函数系数优化,后由该指标函数实现对机队优先序的实时评估排序,进而完成回收在线动态调度。仿真结果表明所提算法能有效解决回收调度问题。在相同机队初始输入下, 目标值呈现较好统计特性, 其期望值能够快速收敛到一定范围, 且无复飞情况下着舰时间窗目标呈显著正态性; 不同回收机队输入对指标系数最优值的散布较小, 表明指标函数评估优先序具有较好的通用性和有效性; 模拟回收调度发现, 着舰成功率的提高将显著降低机队复飞次数, 提高回收效率。     

基于分支剔除的低轨星座实时传感器调度算法

针对低轨星座目标连续跟踪的传感器资源调度问题,通过对调度约束因素的分析,提取跟踪精度、资源松弛度和资源分配均衡因子三个优化参数,建立了传感器实时调度模型;并建立长时调度决策树,将标准代价搜索方法和分支剔除技术相结合,提出了一种基于分支剔除的实时传感器调度算法。仿真实验表明,标准代价搜索和分支剔除技术的引入明显降低了调度算法的运算量,尤其对于多目标和大步长的情况,且调度传感器跟踪目标的误差略小于短时调度方法。     

基于模拟植物生长算法的车辆调度问题

基于配送企业车辆资源的限制和客户需求时间窗的要求,在考虑外包车辆和配送入员加班的情况下,对带时间窗的车辆调度问题进行扩展研究.根据客户需求的随机性特点构建以最小化车辆配送总成本为目标的机会约束规划模型,并设计求解该问题的模拟植物生长算法.结合车辆调度具体实例,将模拟植物生长算法与遗传算法进行比较,结果表明该算法不仅可以获得最优解,而且提高了求解效率,是一种有效的方法.     

基于任务驱动的机载相控阵雷达TAS调度算法

针对单波束多功能机载相控阵雷达的资源分配问题,提出一种自适应搜索加跟踪(track and search, TAS)调度算法。该算法以调度间隔为周期,基于先前调度任务的处理结果实时生成当前的任务请求集合,以跟踪类型任务竞争时间资源,搜索任务一直等待空闲时间片为准则,实现搜索和跟踪的协同调度。此外利用波束位置、任务类型和预测速度信息,实时分配各执行任务的工作波形。仿真结果表明,该算法能够合理调度各类跟踪请求事件和搜索事件,同时具有自适应调整执行事件的跟踪时间间隔和探测波形的能力。     

易逝品随机生产库存模型动态定价、服务水平和生产控制策略

本文研究需求受价格和服务水平双重影响下的易逝品随机生产库存模型,探讨考虑外部随机扰动对库存变动影响下易逝品企业的最优联合动态定价、服务和生产策略,并基于随机最优控制理论,运用Hamilton-Jacobi-Bellman(HJB)方程对最优策略进行了求解.研究表明:最优动态价格、服务水平和生产速率是库存水平的线性反馈形式;外部随机扰动的大小对易逝品生产企业所获得的折现利润总期望会产生不同影响,在整个经营周期内外界不确定因素越大,易逝品生产企业所获得的折现利润总期望越小;价格敏感系数和服务敏感系数会影响易逝品企业生产、服务、价格策略.     

考虑区间工时的多目标柔性作业车间节能调度

在综合考虑经济指标和环境因素基础上,研究了工件加工时间不确定的多目标柔性作业车间节能调度问题。将工件不确定加工时间描述为区间数,并以最小化最大区间完工时间、区间总能耗为目标构建区间柔性作业车间调度节能问题优化模型。同时,依据区间可能度的支配关系,设计了一种有效求解该问题的区间多目标进化算法。通过15组测试问题,分别对区间多目标进化算法、SPEA-II及NSGA-II进行仿真实验,并采用反转世代距离(inverse generation distance, IGD)和覆盖集测度(C测度)两种性能指标验证了所提算法的可行性和有效性。     

基于遗传算法的混合Flow-shop调度方法

混合Flow-shop调度问题（Hybrid flow-shop scheduling problem,HFSP),是一般Flow-shop调度问题的推广，由于在某此工序上存在并行机器，所以比一般的Flow-shop调度问题更复杂。本文提出了遗传算法求解混合Flow-shop调度问题的方法，给出了一种新的编码方法，设计了相应的交叉和变异操作算法，能够保证个体的合法性，同时又具有遗传算法本身所要求的随机性。最后给出了某汽车发动机厂金加工车间的生产调度实例，表明了此算法的有效性。     

不确定条件下卫星鲁棒性调度问题

在对地观测卫星调度过程中，存在着很多不确定性因素，其中云层覆盖变化是主要的不确定性来源。本文针对考虑云层覆盖不确定性的卫星调度问题，借鉴了连续函数的鲁棒性优化思想，提出了一种基于邻域的鲁棒性指标，用于衡量卫星调度方案的鲁棒性。在此基础上，建立了卫星鲁棒性调度的CSP模型，设计了基于分级优化策略的随机变邻域禁忌搜索算法。实例研究表明，本文提出的模型和求解算法能够在保证调度方案性能的基础上，获得鲁棒性强的调度方案。     

限行条件下配送车辆配置的二阶段随机规划

针对车辆限行下配送车辆数量和配送时间均具有不确定性这一难题，通过建立二阶段随机规划模型，实现物流配送车队中传统能源和新能源车辆比例和数量的合理配置，以保障后续生产配送的协同进行.以最小化日均车辆采购成本和后续生产配送期望成本为目标建立二阶段随机整数规划模型；为求解模型，提出改进的随机分支定界算法，并嵌入局部搜索以提高上界的估计效率；通过数据实验验证了模型和算法的有效性.此外，利用该模型和算法，探讨了不同车辆限行措施的执行类型和执行概率对企业车辆配置决策的影响.本文研究有利于解决车辆限行导致的城市物流配送难题，为保障我国城市物流相关企业日常运营提供决策方法.     

交货期服从指数分布的单机随机调度问题

工件完成时间与交货期差的绝对值加权和最小化单机随机调度问题是JIT（just-in-time)生产环境下的典型调度模型，是NP－hard问题，然而，当工件权值与加工时间成正比时，LPT（largest processing time）工件调度是问题的最优解，讨论了该问题加工时间和交货期都为随机变量，其中交货期服从指数分布，且工件权值与加工时间成正比的情形，给出了问题的最优解，并在一定条件下将结果推广到机器随机故障的情形。     

基于贪婪随机自适应过程的多类型卫星联合任务规划技术

对地观测卫星任务规划问题需要考虑侧视、星上能量、数据容量和数据传输等多种约束,是一类复杂的组合优化问题,现有研究大多对问题进行了不同程度的简化。面向多种载荷类型卫星的联合任务规划问题,考虑上述多种约束,基于贪婪随机自适应搜索过程提出了一种新的混合算法对问题进行求解。实验结果表明,该混合算法在多星联合任务规划领域是可行有效的。     

应急物流系统中的随机定位-路径问题

为了提高突发公共事件应急物流系统的运作效率,考虑应急物资需求和救援车辆旅行时间的随机性,以及应急物资需求的紧迫性,基于机会约束规划方法建立了一个应急物流系统中带时间窗的随机定位-路径问题优化模型,设计了一种结合禁忌搜索和蒙特卡罗方法的混合遗传算法,并通过算例分析验证上述模型和算法的有效性。     

Order scheduling with controllable processing times,common due date and the processing deadline

Due date quotation and scheduling are important tools to match demand with production capacity in the MTO (make-to-order) environment. We consider an order scheduling problem faced by a manufacturing firm operating in an MTO environment, where the firm needs to quote a common due date for the customers, and simultaneously control the processing times of customer orders (by allocating extra resources to process the orders) so as to complete the orders before a given deadline. The objective is to minimize the total costs of earliness, tardiness, due date assignment and extra resource consumption. We show the problem is NP-hard, even if the cost weights for controlling the order processing times are identical. We identify several polynomially solvable cases of the problem, and develop a branch and bound algorithm and three Tabu search algorithms to solve the general problem. We then conduct computational experiments to evaluate the performance of the three Tabu-search algorithms and show that they are generally effective in terms of solution quality.     

基于随机活动工期的资源约束项目鲁棒性调度优化

项目进度计划的鲁棒性对于不确定条件下项目的顺利实施具有重要影响. 作者研究具有随机活动工期的资源约束项目鲁棒性调度问题, 目标是在可更新资源和项目工期约束下安排活动的开始时间, 以实现项目进度计划鲁棒性的最大化. 首先对所研究问题进行界定并用一个示例对其进行说明. 随后构建问题的优化模型, 设计禁忌搜索、多重迭代和随机生成三种启发式算法. 最后在随机生成的标准算例集合上对算法进行测试, 分析项目活动数、 项目工期和资源强度等参数对算法绩效的影响, 并用一个算例对研究进行说明, 得到如下结论: 禁忌搜索的满意解质量明显高于其他两种算法; 当资源强度或项目工期增大时, 平均目标函数值上升, 禁忌搜索的求解优势增强. 研究结果可为不确定条件下项目进度计划的制定提供决策支持.     

面向多核任务调度的混合遗传算法

多核处理器的并行任务调度一直是研究的热点话题,属于NP-hard问题。针对此问题,本文提出了一种集启发式算法、禁忌搜索算法、模拟退火算法于一体的改进混合遗传算法(modified hybrid genetic algorithm,MHGA)。MHGA改进如下:首先,采用启发式的分层调度来初始化种群,提高初始种群质量;其次,提出基于禁忌搜索(tabu search,TS)的随机编号交叉算子,提高种群的多样性;最后,采用基于模拟退火(simulated annealing, SA)的变异,提高个体质量。实验结果表明,与其他遗传算法(genetic algorithm,GA)相比,MHGA可以得到更小的任务调度时间和更快的最优解搜索能力。     

加工时间依赖于资源消耗量的平行机调度问题

研究了一类平行机调度问题,其中假定作业加工时间是资源消耗量的线性减函数,调度的目标是在限定最大完工时间时最小化资源消耗总量. 分析了对应单机问题的最优算法和下界构造方法,进而提出了两个优化策略用于构造模拟退火算法和禁忌搜索算法.考虑了多种最大完工时间限制情形, 构造了大量随机实验数据,对算法解的精确度及计算效率进行了测试.实验表明所构造的模拟退火算法能够在合理的时间内提供高质量的满意解.     

基于拉格朗日松弛的手术中心调度算法

为了有效提高手术中心的利用率,降低医院的成本,提高病人满意度,本文提出了基于拉格朗日松弛的手术中心调度算法.首先对问题域进行了描述,以最小化手术中心相关成本和最大化病人满意度为目标,建立数学规划模型.在此基础上,建立可行调度解策略,结合手术中心特有的约束条件,提出基于拉格朗日松弛的手术中心调度方法,并用分枝定界求解子问题.最后,设计不同问题规模的实验,对算法性能进行了评价和对比分析,实验表明,该算法能在可接受的计算时间内得到较好的近优解.     

Stabilization of Continuous-Time Systems Against Stochastic Network Uncertainties: Fundamental Variance Bounds

This paper studies the stabilizability and stabilization of continuous-time systems in the presence of stochastic multiplicative uncertainties. The authors consider multi-input, multi-output(MIMO) linear time-invariant systems subject to multiple static, structured stochastic uncertainties,and seek to derive fundamental conditions to ensure that a system can be stabilized under a mean-square criterion. In the stochastic control framework, this problem can be considered as one of optimal control under state-or input-dependent random noises, while in the networked control setting, a problem of networked feedback stabilization over lossy communication channels. The authors adopt a mean-square small gain analysis approach, and obtain necessary and sufficient conditions for a system to be meansquare stabilizable via output feedback. For single-input, single-output(SISO) systems, the condition provides an analytical bound, demonstrating explicitly how plant unstable poles, nonminimum phase zeros, and time delay may impose a limit on the uncertainty variance required for mean-square stabilization. For MIMO minimum phase systems with possible delays, the condition amounts to solving a generalized eigenvalue problem, readily solvable using linear matrix inequality optimization techniques.