家政服务人员的排班优化问题

家政服务公司的员工排班是一项非常重要的工作,其实质在于通过周密的组织和精确的计划,综合考虑成本最低和服务人员工作时间均衡,实现公司员工的优化配置,其合理性关系到家政服务公司的口碑和效益。本文提出了家政服务人员的排班优化问题,应用分支定界法、遗传算法和基于自适应的混合遗传算法求解,其中基于自适应的混合遗传算法结合了遗传算法和局部搜索的优点,遗传算法用来执行全局搜索使解跳出局部最优,局部搜索进行性能微调,并采用自适应策略改进算法。针对不同的算法,建立相应的数学模型,仿真结果表明通过三种算法都能得到最优解,基于自适应的混合遗传算法性能更优,而且,模型的正确性和算法的合理性也得到了验证。     

基于启发式遗传算法的公交车智能排班研究

采用基于启发式遗传算法进行公交车辆智能排班的研究,且对遗传算法的各个算子进行了专门化处理．该方法充分利用遗传算法的智能化特征,有效地改善了公交车辆的智能排班,提高车辆运营效率,避免了单一遗传算法的早熟问题,提高了遗传算法的收敛性和优化质量．     

基于DQN的机场地服人员动态排班研究

针对在繁忙机场的地面服务人员动态排班问题,提出一种基于深度Q网络(DQN)的排班方法．首先以最大化任务执行率和最小化员工工作时间作为目标,建立了优化模型;然后根据目标提出了两种不同的排班方法,进而采用DQN算法,根据生成的航班动态数据,提取6个状态特征作为网络的输入,并拟定合适的奖励机制,使得训练后的模型能够动态地选择最好的分配方法,最终对模型进行求解．将该方法应用在连续7 d的实际排班中,实验结果表明：与人工排班结果相比,该方法平均每天的任务完成数增加了0.43个,员工的总工作时长减少了53 min,DQN的排班结果具有明显优势,提高了机场地面服务的工作效率．     

基于遗传算法的护士排班系统研究

护士排班问题是医疗系统中最重要的工作之一.科学地编制排班表,合理地进行人员搭配,适当地平衡护士负担,充分考虑护士的合理需求,对医院有效使用劳动力以及更好的满足人员需求起着非常重要的作用.采用遗传算法建立护士排班表,并且在Android平台智能手机上开发应用,方便护士人员随时随地查询排班等情况,实现了智能化、人性化的排班过程.     

机坪管制移交后机场运行控制中心大厅人员动态排班优化

立足智慧机场的数字化转型要求,针对传统机场运行控制中心（Airport Operational Control Center,AOCC）全时段以最大峰值的静态排班导致工作时长不均、人力资源利用率低、调整灵活性差等问题,以机坪管制移交后的人员分工要求确立动态排班原则,构建AOCC大厅的多目标组合优化的员工排班模型,提出父代班组非支配交叉的基因排序、子代班组拥挤变异算子的遗传算法进行智能搜索最优可行解,并基于Matlab平台进行建模仿真验证,结果表明：手工排班方案作为“父代初始解”确保了飞行安全,交替航班任务实时产生子代班组种群,接班变异保留子代班组精英个体,降低了人力成本、班组人员的工作时长方差和疲劳度     

考虑排班的人力资源投入问题的建模与优化

结合实际生产或项目中的排班情况,提出考虑排班的人力资源投入问题。针对该问题建立了以最小化人力资源投入为目标的数学模型。根据资源投入量与排班约束的性质,将原问题数学模型简化,证明简化后问题的数学模型与原问题最优解一致,并通过CPLEX软件求解过程,说明简化后的数学模型在求解速度上表现出很大的优越性。对于大规模问题,由于排班约束会导致班次间资源占用,使用传统任务列表编码方式难以获得较优的解。为此,提出了一种新型编码方式的遗传算法。该算法采用对作业延迟时间进行编码的方式,对作业开始时间进行搜索。为了提升算法的局部搜索能力,对作业延迟时间和开始时间进行局部优化。最后,通过数值实验与CPLEX和文献的算法比较,表明该算法的有效性。     

基于改进遗传算法的公交车辆调度优化

以公交营运商和乘客费用最小为目标建立公交调度优化的数学模型,在遗传算法中引入适值模拟退火拉伸思想得到改进的遗传算法,研究了其在公交调度中应用的基本理论与方法.研究及测试结果表明,该方法能较好地克服遗传算法前期进化早熟和后期进化速度缓慢等问题.     

考虑站场实时排班可行性的纯电动公交调度

近年来,中国纯电动公交车占比逐年提高,2019年已超过46.8％,北上广深等多个城市已实现100％.通过深入分析纯电动公交车行驶过程中的耗能组成,由此建立电能能耗成本函数;构建同时考虑乘客出行与公交企业运营成本的纯电动公交车调度排班模型;将公交场站车辆数作为约束条件引入模型,真实反映实际车辆运行情况;为严格做好疫情防控,将车辆满载率纳入模型约束以保证乘客安全距离;通过分析发现该模型属于NP-hard问题,提出利用遗传算法对其进行求解.利用广州市105路公交线路的运行和OD需求数据进行仿真验证,表明该模型和算法具有一定的有效性.     

连续型公交专用道网络布局优化模型

针对以往离散公交专用道网络布局的局限性,从公交专用道布设的现实条件、规划与建设实践入手,利用网络优化方法提出了面向公交走廊的连续公交专用道网络布局双层优化模型.该模型的上层模型是以最小化路网用户总出行时间为目标的连续公交专用道网络布局设计决策,下层模型是以最小广义出行成本为目标的小汽车和公交车客流分配模型,并应用遗传算法(genetic algorithm,GA)求解该模型.通过算例验证了该双层优化模型有效性与实用性,以及连续型专用道网络布局方案相较与离散型方案的优越性.     

基于扇区开合的管制员排班优化

为提高管制员的利用效率和工作满意度,制定出更切合实际运行的管制员排班表,从管制工作的实际需要出发,以人员需求数量最少为目标,在符合民航局各种规章要求的基础上,建立管制员排班模型。在初始模型的基础上,又考虑了人员对工作及休息时间的个性化需求,对模型进行改进。最后以某空中交通管理局区域管制室管制员数据为例进行分析,使用LINGO求解器对模型进行求解。结果表明:与手工编制的排班时间表相比,本研究通过排班优化模型制定出的排班方案有效地减少了执勤人数,减少人员浪费,并能较为充分地满足管制员的个性化需求。     

可变线路式公交的两阶段车辆调度模型

针对可变线路式公交设计了一种可同时处理预约需求和实时需求的两阶段车辆调度模型.第1阶段模型以预约需求为服务对象,建立了以乘客出行成本和车辆运营成本最小为目标的路径优化模型,采用模拟退火算法对模型进行求解,获得车辆初始行驶路径方案.第2阶段模型以实时需求为服务目标,在原定行驶路径方案上利用启发式插入算法将4类乘客排入车辆行车计划中.基于实例的仿真试验验证了两阶段车辆调度模型的可行性,结果表明:通过提高乘客预约出行比例的方式可提升系统性能,本例中当乘客需求量达到25人/h、预约出行比例达到70%时,系统整体性能相较于纯动态需求条件下提升近10%.     

含时间窗的司售员调度模型及多邻域结构设计

形式化定义了司售员调度中的关键因素:车辆运营工作、调度方案、劳动法规和调度目标,建立了一个能够准确反映实际问题的模型.设计出能够有效处理时间窗的多邻域结构,为应用基于邻域搜索的各种算法求解该模型奠定了基础.最后将其应用于基于禁忌搜索的构造式方法——启发式自动司售员调度(HACS)中.实验表明:应用该模型及多领域结构改进了HACS,有效解决了含时间窗的司售员调度问题并得到更优解,对大规模问题,解的改进更加明显.     

考虑司乘人员工作时间窗的高铁快巴车辆调度与人员排班综合优化

针对新型公交服务产品如高铁快巴仍然缺少相应的运营方式的情况,对高铁快巴的车辆调度与人员排班的综合优化问题进行研究。为发挥高铁快巴灵活性的优势,引入了满足司乘人员工作时间要求的时间窗约束,建立了考虑司乘人员时间窗的高铁快巴车辆调度与人员排班综合优化模型。通过算例计算,得到了高铁快巴的最优调度与排班方案。结果表明,相比于传统的多线调度独立优化,在高铁快巴的优化问题上使用综合模型的效果更好,综合优化后运营成本比原运营方案降低约8.98%、比独立优化降低约4.73%,同时减少了司乘人员数量,验证了该模型在解决高铁快巴问题上的正确性与良好应用效果。     

复杂网络同步理论在公交调度中的应用

针对传统方法优化公交调度难以保证运营效率达到最优的实际情况,基于城市空间结构与交通系统的内在运行机制,构造了城市公交网络模型,利用Ⅳ个等同节点的时滞非线性耦合状态方程的同步理论,使公交调度网络系统达到渐进稳定,即各线路乘客达到一种均衡状态。以兰州市公交系统的部分线路为例,验证了该模型及方法的有效性。     

基于可信度策略的校园网格作业调度算法

为了实现校园网上的资源共享,降低资源浪费,文中讨论了基于网格技术的校园网作业调度模型,并设计和实现了基于可信度遗传算法的作业调度方法.该方法采用资源可信度策略,同时结合遗传算法的优点,满足了网格对调度系统可扩展性和全局最优调度的需求,从而使调度系统具有了一定的自主性和智能性.实验结果表明该作业调度方法收敛速度快,全局寻优能力强,整体性能优于其他调度算法.     

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。     

基于优化调度模型的焦炉推焦计划编制方法

针对焦炉正常和异常2种工况,提出基于优化调度模型的焦炉作业计划编制方案。在正常工况下,建立使设备总的机械行程最短、出焦延迟时间最短和检修时间足够长的优化调度模型;在异常工况下,通过将乱笺炉号、事故状态、病号炉3种情况归结为乱笺炉号的情况,建立系统实现目标不变,以恢复过程中所有小循环总费用最小为目标的异常工况下的优化调度模型。针对2种优化调度模型,分别提出正常工况下的焦炉作业计划编排方法和基于Dijkstra算法的异常工况焦炉作业计划编排方法,该方法将实际的乱笺问题转化为最短路径问题。仿真实验结果表明,采用该方法实现了推焦计划的自动编制,提高了生产效率和企业的经济效益,证明该方法是有效的。     

基于QoS云计算任务调度优化

由于云计算技术快速发展,为了满足日益多样化的云计算用户服务质量(QoS需求)以及提高云计算资源调度的效率,提出基于改进蚁群算法的云计算资源调度优化算法,包括建立云计算资源模型和用户QoS需求模型.为了得到更准确的结论,针对传统蚁群算法过快收敛造成的局部最优解现象,在传统的蚁群算法的基础上加入随机选择机制,时间、成本和结果有效可用性适应度因子进行了优化改良,以求得全局最优解.通过仿真实验将传统的蚁群算法、Mi n-Mi n调度算法和改进的蚁群优化算法进行比较,实验表明,改进的蚁群优化算法在调度效率、节约成本、减少任务执行时间和任务得到结果质量方面有明显的优势.     

基于多Agent和遗传算法的制造网格资源调度

为了保障用户的多QoS要求,在制造网格资源调度中引入灵活健壮的协商机制和高效的资源调度算法尤显重要.为此提出基于多Agent的制造网格资源调度方法,运用合同网协议作为多Agent的协作协议并根据制造网格资源调度需求运用遗传算法作为资源优化组合的算法.综合应用多Agent开发工具JADE和遗传算法工具包JGAP进行模拟调度实验,证明了方法的有效性.     

混合流水车间调度模型及其遗传算法

针对流程工业生产过程连续性的特点,从一种新的角度建立了工件等待时间受限的混合流水车间调度模型.以总完工时间最小化和工件在各机器最早开工时间最小化为目标函数,利用改进的遗传算法生成最优排序计划,并用模拟的实际生产数据对模型和算法进行验证和分析.