多车型动态车辆调度及其遗传算法

研究了允许多种车型同时调用的动态车辆调度问题:分别以路径最短为目标和以油耗成本最少为目标进行动态车辆调度优化,并设计了相应的遗传算法。本文最后的实例进行了验证,发现以油耗最少为目标,不仅考虑了不同车型的容量限制,而且考虑了动态载重量的油耗影响,更加符合实际情况,因此其优化结果更加合理。     

多车型动态车队调度问题的算法设计及求解

对多车型动态车队调度问题的时空分解模型进行进一步改进,引入控制向量ξt和ul,设计了控制向量的确定与更新过程,并给出基于控制向量更新的算法流程,最后,用实例验证了算法的可行性.     

非满载车辆调度问题的遗传算法

非满载车辆调度问题是车辆调度问题中的一个基本问题,由于它是一个典型的NP难题,传统方法的求解结果往往不能令人满意。本文采用最大保留交叉、交叉率和变异率自适应变换等技术,设计了基于自然数编码的遗传算法,用于求解非满载车辆调度问题,在实验分析中获得了较好的结果。     

基于免疫遗传算法的双向车辆调度问题实现

在对双向车辆路径问题(DVSP)简要叙述的基础上建立了DVSP数学模型.针对DVRP,构造一种的免疫遗传算法来求解DVSP,提出了一种自然数编码方法、交叉算子的自适应机制.并将求解结果与其它启发式算法比较.比较结果表明,该算法对于求解DVSP问题具有较好的性能和更好的鲁棒性.     

基于禁忌遗传算法的邮政运输车辆调度问题

为提高邮政运输网络的整体运行效率,提出一种集三级中心选址和车辆调度于一体的混合邮政运输车辆调度模型。模型同时涉及到邮件的送取、多种车型调度和区域规划等问题。模型的求解分为两个相互关联的阶段,第一阶段确定三级中心局和划分区域并完成中心局之间的邮件配送;第二阶段求解各三级中心局内部的车辆调度问题,并将结果返回到第一阶段;两个阶段分别采用中心分配法和禁忌遗传混合算法。最后,以贵州邮政的实际生产数据对模型和算法进行实证分析,验证了模型和算法的有效性和实用性。     

用遗传算法解决并行多机调度问题

对最小化完工时间的并行多机调度问题提出了一种遗传算法,并在问题形成、遗传算法编码、变异方法等方面作了研究,并用计算实例表明遗传算法能适用于大规模并行多机调度问题。     

有时间窗的非满载车辆调度问题的遗传算法

有时间窗的车辆调度问题是一个典型的ＮＰ－难题,传统求解方法往往不能令人满意,本文将货运量约束和时间窗约束转化为目标约束,设计了基于自然数编码的可同时处理软、硬时间窗约束的遗传算法,实验分析获得了较好的结果。     

求解多车型车辆路径问题的变邻域搜索算法

多车型车辆路径问题（FSMVRP）是车辆类型不同的车辆路径问题（VRP）,基于变邻域搜索,提出一种启发式算法VNS_FSM求解FSMVRP。该算法设计了实现变邻域搜索中的＂抖动＂和局部优化过程的邻域结构组合,同时,还提出了一种新的车型调整策略。在通用的基准测试问题的实验验证了VNS_FSM算法的有效性,并给出问题G_07-G_12的正确解。实验结果表明,VNS_FSM算法能够获得大多数测试问题的已知最好解。与已有算法相比,VNS_FSM算法性能相当或更优。     

有时间窗约束非满载车辆调度问题的遗传算法

利用遗传算法解决单车场单车型有时间窗约束的非满载车辆调度问题。针对非满载的VRP问题具有组问无序、组内有序的特性，采用一种有效的改进交叉算子，最大程度的保留了父代的优良特性并增强了算法的寻优能力，避免了早熟现象的发生，应用此方法分别对8个和13个客户有时间窗约束非满载车辆调度问题进行计算机仿真，得出了最优解，证明了本算法的优越性。     

面向移动云计算的VM动态调度算法

针对移动云计算中的虚拟机(virtual machine,VM)调度问题,考虑无线带宽限制对VM调度的影响,以云提供商的系统效益为目标函数,根据拍卖机制提出了一种带宽受限的VM动态调度(bandwidth constrainted VM dynamic scheduling,BVMDS)算法。该算法首先根据用户的出价来判定拍卖成功方,然后根据拍卖成功方对计算资源的需求来配置VM,最后采用临界支付的方式来计算拍卖成功方的实际支付价格。仿真结果表明,算法能够有效地改善云提供商的系统效益和资源利用率。     

关键链项目调度模型及遗传算法求解

对项目管理的关键链方法(CCM)进行了研究.在资源受限项目调度问题(RCPSPs)模型的基础上,引入关键链方法,建立了关键链项目优化调度模型.提出了一种基于优先权的关键链计划生成方案,该方案根据任务优先权排序生成积极计划,定义项目唯一关键链.将输入缓冲区作为虚任务对项目计划进行二次调度,解决了在嵌入输入缓冲区时产生的资源冲突问题.设计了一种混合遗传算法寻找最优任务优先权排序,实现对CCM项目优化调度模型的求解.最后,通过大量的仿真测试验证了所提出的模型和算法的有效性.     

基于变体GA的进攻作战抢修任务动态调度

针对进攻作战中装备不断损伤,而抢修时间与抢修力量有限的突出矛盾,提出了“如何动态地为各抢修组优选最佳待修装备、明确不同抢修组间的任务分工和同一抢修组内的抢修序列,使得损伤装备获得尽可能多的二次作战时间”的现实军事问题。抽象出进攻作战抢修任务动态调度这一新问题,构建了其数学模型,设计了变体遗传算法进行编程求解。运用Matlab软件进行了28待修装备3抢修组的调度实例求解,实例证明提出的模型科学合理,求解算法方便高效,能够动态地追踪问题最优解的变化。     

基于随机模型的动态调度算法研究

针对多资源云环境中虚拟机放置问题,提出了一种在随机模型下综合利用率较高的动态调度算法MIUS （maximize integrated utilization scheduling）. 首先,在调度中心建立一个虚拟的中央队列缓存用户任务,然后利用随机路由算法对用户任务进行服务器快速选择,最后在服务器上建立虚拟等待队列并利用MIUS算法进行虚拟机配置. 仿真实验结果表明,该算法在保证QoS的情况下,实现了一定程度上的负载均衡,并可较大提高系统的综合利用率.     

基于动态优先级的测试任务抢占调度算法

基于部队现有装备保障模式,难以满足日趋复杂的测试需求,存在着测试效率偏低、测试周期过长的现象。因此综合考虑任务的时间属性和价值属性,定量分析任务的执行紧迫性、价值密度和资源负载均衡性等因素,提出了应用于任务执行初始时刻的动态优先级分派策略(dynamic priority assignment, DPA)和任务执行过程中的抢占调度策略(task preemption, TP),即基于动态优先级的测试任务抢占调度算法(test task preemptive scheduling algorithm based on dynamic priority, TTPSADP),实现了针对现有自动测试系统（automatic test system, ATS）价值收益、任务执行成功率和资源负载均衡的综合优化。     

云计算中基于动态阈值的服务器唤醒策略

基于预留机制的服务器动态开启/关闭(dynamic powering on/off servers,DPS)策略采用静态设置的任务请求数阈值,可能造成服务器状态频繁切换从而导致性能下降、能耗上升。对此,提出一种基于动态阈值的服务器唤醒策略。首先,用具有不耐烦任务的排队模型对云计算系统的任务调度进行建模,分析系统中的平均任务背叛数和能耗成本,提出任务请求数阈值动态调整策略;然后,根据服务器所在冷点区域和当前关闭时长选择服务器进行唤醒。仿真结果表明,与基于静态阈值的服务器唤醒策略相比,本文策略能够保证任务的平均响应时间,并有效降低云计算系统的能耗开销。     

基于私有云和改进粒子群算法的约束优化求解

为提高约束优化模型的求解准确度和运算速度,针对粒子群算法及其计算方法进行了改进。引入多样化机制避免算法陷入局部最优的危险:创建多个子群将决策空间划分为多个搜索子空间,多子群独立搜索以保证群间解的多样化;用量子粒子代替普通粒子,为其添加服从球状分布的伴随粒子来提高群内解的多样化。多样化的引入增加了计算量和计算复杂度,利用并行计算提高算法运行速度:分析了改进粒子群算法并行计算的方法,在私有云计算平台上编写了基于MapReduce的并行求解流程。实验结果表明,本文方法具有较高准确度,算法的稳定性也较好,运算速度可成倍提高。     

基于自适应遗传算法的战场资源动态调度模型及算法

研究了战场平台资源的动态调度问题,首先分析了该问题在动态调度过程中的约束条件,构建了以最小化使命完成时间为目标函数的数学模型,然后针对问题模型的特点,基于自适应遗传算法提出求解算法,最后结合具体算例对平台资源动态调度模型及其求解算法进行了仿真验证,仿真结果表明,求解方法可以有效应对处理任务新增和平台失效等突发事件并且具有较高的时间效率。     

基于资金约束的项目支付进度问题研究

研究资金约束下的项目支付进度安排问题,其中活动具有多种执行模式,目标是最大化项目净现值.首先界定研究假设条件并定义文中用到的符号;随后构建问题的非线性整数规划优化模型;针对其强NP-hard属性,设计三层迭代循环嵌套的禁忌搜索启发式算法;以多重迭代改进算法为对比基准,在随机生成的3240个标准算例上对算法进行测试,结果表明:禁忌搜索获得的满意解质量远高于多重迭代改进,但其计算时间要长于后者.该研究可为承包商安排项目进度及平衡现金流提供决策支持.     

基于规则导向的柔性作业车间多目标动态调度算法

设计了一种具有柔性资源约束的多目标集成优化方法,建立了包括最小完工时间、最小生产成本、最大设备利用率、最大交货满意度和最优人工分配在内的多目标组合优化模型;为降低模型的复杂度,抑制组合优化模型的状态爆炸效应,采用规则导向的资源调度思想,通过调整规则概率使概率大的规则被优先选中,从而"推动"搜索过程向预期目标方向移动;采用改进的非支配排序遗传算法—NSGA-Ⅱ获得不同规则概率值的Pareto解集,并结合动态规划法求解最优人员分配方案;仿真对比与算例验证,本文算法可以有效解决柔性作业车间多目标调度优化问题.