基于智能算法的双目标鲁棒性项目调度

鲁棒性项目调度主要应对项目执行过程中可能出现的各种不确定因素,涉及完工和计划两方面,又称质量鲁棒性和解鲁棒性。为使项目既保证按时完工又能按计划执行以减少成本,以STC分散缓冲为基础,提出了两种具体的鲁棒性指标,构建了双目标鲁棒性调度模型。并结合模拟退火和禁忌搜索算法,建立了二阶段智能求解方法,计算结果表明,该算法综合了两算法的优点,可得到比单算法更合理的项目计划。最后,仿真模拟项目计划的运行,实验结果说明,该方法所得计划在实际执行中具有较好的双鲁棒性,验证了计划的有效性和可行性。     

基于资源流网络与时间缓冲集成优化的鲁棒性项目调度

针对工期不确定的资源受限项目调度问题,将鲁棒性资源分配和时间缓冲插入两种方法进行有效地结合,通过设计两阶段集成优化算法构建抗干扰能力较强的鲁棒性项目调度计划.第一阶段提出MEPC(minimizing expected penalty cost)资源流网络优化算法,通过对资源进行有效配置生成稳定的资源流网络.为进一步提升调度计划的鲁棒性,第二阶段通过固定第一阶段构建的资源流网络,设计EPC(expected penalty cost)缓冲优化算法,通过迭代方式在延期风险较大的活动前插入时间缓冲,实现项目期望惩罚成本最小化.最后通过大规模仿真实验从"解"鲁棒性"质"鲁棒性两方面来验证两阶段算法的有效性和可行性,结果表明通过将资源流网络与时间缓冲进行集成优化构建的调度计划不仅具有较好的完工性并且能更有效地应对项目执行过程中各种不确定性因素的干扰.     

基于资源流网络优化的鲁棒性项目调度

针对项目执行过程中由于活动拖期导致基准调度计划不断变更的问题,从资源分配的角度构建基于资源流网络优化的鲁棒性调度计划。首先设计拖期惩罚成本指标来衡量调度计划的鲁棒性,并构建以拖期惩罚成本最小化为目标的资源流网络优化动态模型。针对该模型设计MTPC资源流网络优化算法,该算法以活动为基准,采用拖期惩罚成本最小的资源分配方案实现资源在活动节点之间的有效流动,提升调度计划的鲁棒性。最后,为验证MTPC优化算法的有效性和可行性,通过采用蒙特卡罗模拟仿真实验将MTPC优化算法与RRAS,Min-EA和MABO等3种资源分配算法进行对比分析。实验结果表明：MTPC算法在调度计划的鲁棒性,资源分配方案的稳定性以及算法的时间效率上都优于其他3种算法。MTPC算法不仅能快速有效地完成资源配置,还能通过降低活动的拖期风险提升调度计划的鲁棒性,这可以帮助项目管理者构建抗干扰能力较强的基准调度计划。     

基于资源流网络优化的鲁棒性项目调度

针对项目执行过程中由于活动拖期导致基准调度计划不断变更的问题,从资源分配的角度构建基于资源流网络优化的鲁棒性调度计划。首先设计拖期惩罚成本指标来衡量调度计划的鲁棒性,并构建以拖期惩罚成本最小化为目标的资源流网络优化动态模型。针对该模型设计MTPC资源流网络优化算法,该算法以活动为基准,采用拖期惩罚成本最小的资源分配方案实现资源在活动节点之间的有效流动,提升调度计划的鲁棒性。最后,为验证MTPC优化算法的有效性和可行性,通过采用蒙特卡罗模拟仿真实验将MTPC优化算法与RRAS,Min-EA和MABO等3种资源分配算法进行对比分析。实验结果表明:MTPC算法在调度计划的鲁棒性,资源分配方案的稳定性以及算法的时间效率上都优于其他3种算法。MTPC算法不仅能快速有效地完成资源配置,还能通过降低活动的拖期风险提升调度计划的鲁棒性,这可以帮助项目管理者构建抗干扰能力较强的基准调度计划。     

随机工期下反应性多模式项目调度优化

在活动工期随机中断下,通过衡量成本、鲁棒性及完工时间3类目标和两种资源分配的不同组合下,获得的反应性策略对项目调度过程中损失成本、完工时间及中断次数等方面的影响,以确定不同情况下的最优调度策略。首先对该问题进行界定,并构建问题的优化模型;设计遗传禁忌混合搜索启发式算法对模型进行求解并得出结论:遗传禁忌混合算法要优于单纯的遗传或禁忌算法;采用基于成本目标的策略可以显著降低项目反应性调度成本;在不确定度较低的环境下,传统的进度生成方式要优于随机进度生成方式。     

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.     

基于优化资源流约束的模具多项目反应调度算法

针对模具多项目执行过程中由于任务拖期而导致的调度计划变更,提出了一种基于优化的资源流约束的反应调度算法. 首先利用基于优先规则的微粒群算法构建一个项目加权工期之和最小的初始调度计划,采用启发式算法建立并优化初始调度计划的资源流网络,并将关键链技术与资源流网络相结合,对初始调度计划进行合理的时间缓冲设置. 然后建立了以调度计划扰动费用最小为优化目标的反应调度模型,并用基于优先规则的微粒群算法进行求解. 最后,通过仿真计算分析了算法的可行性与可靠性,结果表明该反应调度算法在模具多项目动态调度中具有一定的应用价值.     

成像卫星鲁棒性调度策略研究

针对不确定条件下的成像卫星调度问题,分析了鲁棒性调度要求,提出了鲁棒性调度策略,将成像卫星调度分为鲁棒性调度方案生成和鲁棒性调度方案动态调整两个阶段。在鲁棒性调度方案生成阶段,以调度方案收益和鲁棒性为优化目标,建立了成像卫星鲁棒性调度模型。在鲁棒性调度方案动态调整阶段,以调度方案收益和新老调度方案差异为优化目标,建立了成像卫星动态调度模型。仿真实例验证了成像卫星鲁棒性调度策略和模型的有效性。     

鲁棒项目调度研究综述

基于确定环境与完全信息的项目调度,产生的最优进度计划在执行时面临实际项目环境中的不确定因素,可能会与预期产生较大偏差,甚至变得不可行,导致项目进度拖延、预算超支。鲁棒项目调度可以产生稳定的基线进度计划,并对执行时受到干扰的进度计划进行有效恢复。概述了鲁棒项目调度产生的背景,归纳了鲁棒项目调度问题及其研究框架,评述了项目进度计划鲁棒性的分类,综述分析了主动型项目调度与响应型项目调度的模型与方法及其在近几年的最新进展。最后指出了鲁棒项目调度进一步的研究方向。     

不确定环境下舰载机保障预反应式动态调度优化

针对舰载机机务勤务保障过程中的不确定性和动态特性,研究舰载机保障预反应式动态调度优化问题。在预调度阶段设计双种群遗传算法,融合左右种群双向对齐迭代技术提高解的全局最优性,结合设定的保障期限求得带有工期保护缓冲的鲁棒性预调度方案。在反应性调度阶段,建立以最小化保障完工时间和最小化调度调整损失成本为目标函数的反应性调度模型,设计针对单一个体的自适应分层双目标变邻域优化算法,对预调度方案进行局部调整,优化反应性调度的效率和稳定性。提出5种不同反应性调度调整策略,对多种扰动类型下的不同保障机组的预调度方案进行局部调整和分析。为不确定环境下舰载机基准预调度计划的制定和反应性调度方案的调整提供了决策支持。     

基于时差效用的双目标资源约束型鲁棒性项目调度优化

进度计划的稳定性对不确定环境下项目的顺利实施具有重要影响。从活动自由时差效用函数的新视角度量调度方案的鲁棒性,进而,同时考虑项目工期和鲁棒性两个目标函数,构建了基于时差效用的双目标资源约束型鲁棒性项目调度优化模型(BORRCPSP)。针对模型的NP-hard和多目标组合优化特征,设计一种调整的快速非支配性排序多目标遗传进化算法(NSGA-II)求解模型。基于PSPLIB中的480个标准算例进行大规模数值仿真测试。采用获得Pareto最优解集合的算例比率、与最优工期的偏差以及Pareto最优解集合的规模和计算时间作为4个评价指标,实验数据的统计结果验证了BORRCPSP模型和调整的NSGA-II算法的有效性。结论表明,BORRCPSP的Pareto最优解集合可以给项目经理综合考虑项目工期和进度计划的稳定性提供定量化决策依据。     

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。     

甲供非商品化资源约束下可中断项目群调度模型

不可更新资源的约束会导致项目群中各合同项目开工延误甚至施工中断。针对不可更新资源受限理论研究存在的局限性,开展了多种甲供非商品化资源(NCRPE)约束下可中断项目群调度问题的研究。首先,由于资源分配多样性会给项目群进度造成不确定性影响,围绕项目群工期—延误成本双目标优化模型展开研究,采用改进编码方式的多目标粒子群算法(MOPSO)进行求解,获取项目群的资源分配方案,利用串行调度生成机制(SSGS)得到项目群进度计划;其次,将MOPSO算法和NSGA-II算法进行对比,通过IGD和HV两个指标来衡量MOPSO算法求解该问题的有效性;最后,结合实际案例,对模型进行求解分析。在甲供非商品化资源约束和项目可中断情况下,构建的项目群调度模型能够有效地实现项目群工期和合同项目延误成本的双目标优化。研究成果为业主合理分配NCRPE以及进行项目群调度提供理论依据。     

考虑异常车次的公交车辆调度计划问题研究

公交系统在实际运营过程中经常受到车辆故障、交通拥堵以及客流量增加等因素的干扰,造成异常车次的产生,并以延误车次和临时新增车次最为常见.在制定公交车辆调度计划时,预先考虑可能发生的干扰,可以提高调度计划的鲁棒性,降低恢复正常运营的成本.本文针对公交车辆调度计划的制定问题,考虑延误车次和新增车次两种受扰车次,提出重新分配车次和调整车次发车时间两种恢复策略,建立考虑异常车次的车辆调度模型,以提供鲁棒性较强的车辆调度计划,并设计了一个基于行列生成算法的启发式算法进行求解.在求解过程中,原问题被分解为主问题和三个子问题,并分别使用Bellman-Ford算法求解初始线路、使用标号法求解修正线路,以及使用禁忌搜索算法提高求解效率.最后,一系列的对比实验表明,本文提出的模型可以提供更具鲁棒性的公交车辆调度计划方案,能够减少干扰场景下车次的调整次数,对减轻公交调度管理人员的工作复杂性具有帮助作用.     

带有学习效应和恶化工件的双代理调度问题

研究带有时同相关的学习效应和恶化工件的双代理单机调度问题,目的是找到一个调度使得满足第二个代理的最大完工时间不超过一个给定的上界的约束下,第一个代理的总完工时间最小.对于该调度问题,给出了一些最优性质,并提出了多项式时间最优算法.     

资源转移视角下的RCPSP鲁棒资源分配方法

为使项目在工期不确定环境下既能按计划稳定执行又能维持较低的成本,以项目鲁棒性和资源转移成本为优化对象,构建了一个鲁棒资源分配优化模型.引入一种开始时间关键度指标作为项目的解鲁棒性目标,不同于已有研究均采用基于活动的资源流描述,模型定义了基于资源的二元决策变量,以表示某一资源单元在项目活动之间的转移次序.结合遗传算法和模拟退火算法的优点,提出了遗传退火混合智能算法对模型求解,模拟实验结果证明了所提算法在寻优效果和收敛速度方面的优越性.最后通过真实项目案例,进一步验证了模型和算法的实用性与有效性.     

基于改进关键链方法的MRCPSP的鲁棒性优化

针对鲁棒性项目调度理论研究集中在单模式领域这一现状,通过对关键链方法的改进,构建了多模式资源受限项目调度鲁棒性优化模型.其中,对关键链方法的两个核心问题进行了改进:提出了非关键链识别的准则,采用不同的影响系数对缓冲区间的设置进行了修正.同时,在综合考虑了关键链方法特点,任务的多种模式以及资源消耗稳定性需求基础上设计了鲁棒性指标,并构建了基于鲁棒性目标的关键链多模式资源受限项目调度模型.通过多组算例验证显示调度计划的鲁棒性显著提高,证明了模型的有效性.     

可更新资源受限的工期-费用权衡问题及粒子群算法

传统离散时间-费用权衡项目调度问题(DTCTP)中,可更新资源约束被忽略,将可更新资源约束引入DTCTP模型,形成可更新资源受限的工期-费用权衡项目调度问题(RRCDCTP)。在活动执行模式中增加可更新资源需求量,并考虑项目执行中的单位工期的可更新资源限量约束,基于可更新和不可更新两类资源的使用量计算活动费用。根据模型特点,提出一种求解该模型的粒子群优化算法。实例验证结果表明,当存在可更新资源约束时,在相同总费用预算约束下,RRCDCTP获得的最优项目工期比DTCTP获得最优工期长;同时,可更新资源限量越小,最优调度计划中具有浮动时差的活动数越少。     

一类资源受限项目调度问题的仿真方法

在资源受限项目调度问题中,基于有限数量的资源可能同时存在多个满足激活条件的活动,这些活动的执行顺序是随机动态变化的,难以用常规的数学方法进行描述;现有仿真软件也不足以支持该类问题的仿真,为此提出一类资源受限项目调度问题的仿真方法。该方法基于扩展有向图建立项目流程仿真模型,将仿真模型数据以活动依赖矩阵和活动资源关联矩阵的形式进行描述,通过编制采用活动扫描法的仿真策略对流程模型进行仿真,得到项目完工时间及活动的安排。通过举例应用和对比,验证了该方法的可行性与有效性。     

双资源JSP动态分类调度研究

针对作业车间的加工受到机床、操作工人等双资源制约条件下出现多种扰动的JSP调度问题,提出了基于不同的扰动进行分类处理的新方法。该方法以最小化最大完工时间为目标,首先基于机床故障修复时间、工人离岗时间及取消订单包含任务的多少进行分类调度,然后根据机床故障修复后以及工人回岗后剩余任务的多少决定是否进行再一次的调度。采用遗传算法和模拟退火算法相结合的算法获得调度方案,并进行分析和比较。