一种求解资源受限工程调度问题的遗传算法

针对资源受限工程调度问题的特点，设计了一种改进的遗传算法，对算法的编码方式和解码规则，适值函数，遗传算法、初始种群的产生方法进行了详细的说明，利用被普遍应用的标准问题对该算法进行了大量的测试，分析了算法参数和问题参数对算法效果的影响，取得了令人满意的结果。     

求解项目调度中资源水平问题的近似算法

针对RLP与RCPSP的相似之处和自身特点，以求解PCRSP的遗传算法为基础，设计了一种求解RLP的基于分支定界策略的近似算法，搜索树的每一节点对应一个RCPSP，通过求解各节点RCPSP来求得RLP的最优调度计划，算法从具有基本资源需求水平的根节点开始，采用宽度优化顺序逐渐提高各种资源的可用量，既有利于资源的均衡利用，又可以通过定界策略有效地控制搜索树的节点数量，结合实例问题说明了基于分支定界策略的近似算法的求解过程，最后通过实例问题对该算法与遗传算法进行求解效果和时间效率的对经，分析了对比结果。     

一种求解资源受限项目调度问题的自适应遗传算法

遗传算法（GA）应用在经典资源受限项目调度问题中取得了显著的效果。本文提出了一种新的编码方法，亦即在任务链表后面加上两个基因，一个是表示解码规则的S／P基因，另一个是表示解码方向的F／B基因，由这两个基因同时控制任务链表的解码规则和解码方向。为了验证其有效性，选用标准数据库PSPLIB中的156个例子进行验证，鲒果表明：本算法优于采用编码为任务链表和带有S／P基因的任务链表的两个遗传算法。本算法的设计思想对于解决相关组合最优化f-＇l题具有一定的指导意义。     

采用混合策略遗传算法求解一类资源约束最短时间调度问题

资源约束最短时间调度问题是一类ＮＰ完全问题,求解难度相当大,本文提出一种采用混合策略的遗传算求解该类问题,混合策略中包含启发式的调度规则。理论分析表明本文提出的混合策略的遗传算法是全局收敛的,实际应用表明该算法快速有效优于传统算法。     

多执行模式资源受限工程调度问题的优化算法

近几年来,模拟退火（ＳＡ）和遗传算法（ＧＡ）等智能优化方法在求解组俣最优化问题显示出了较强的能力,许多文献报告了它们在这类问题上的应用,有些文献则报告了一些它们的混合算法,然而,定些算法对问题的求解效果因问题的结构不同而有限大差异,它们的成功必须充分结合问题本身的特点,本文针对多执行模式资源受限工程调度问题的特点,设计了一种ＳＡ／ＧＡ混合算法,利用被普遍应用的标准问题对该算法进行了测试,取得了令人满意的结果。     

求解模糊资源受限项目调度问题的遗传算法

本文研究了以排序健壮性最大为优化目标的具有模糊加工时间和模糊交货期的资源受限项目调度问题,采用六点模糊数表示模糊加工时间和模糊交货期,引入了2种模糊数的弱比较方法,即重心距离法和积分值法.针对这一优化问题设计了一种基于任务链表编码形式的遗传算法.数值实验结果表明该算法优于文献中的相关算法,同时实验结果也表明基于2种模糊数的弱比较方法对算法性能影响较弱.     

求解同顺序加工调度问题的一种改进遗传算法

同顺序加工调度问题是一类典型的 NP-hard问题 ,具有广泛的工程背景 ,该问题的研究具有重要的理论意义和工程价值 ,同时开发有效的优化算法一直是该领域的热门课题 .结合启发式和随机方法产生初始解 ,对种群进行分解并用多种交叉操作进行进化 ,在整体替换后用模拟退火的 Metropo-lis抽样过程代替变异操作 ,本文提出了一种改进的遗传算法 ,算法保证了初始种群一定的质量和多样性 ,多种交叉操作有利于丰富搜索行为 ,在温度控制下的抽样过程成为概率可控的变异操作且搜索行为一定程度上可控 .基于典型算例的仿真研究验证了改进遗传算法的有效性和较好的初值鲁棒性 ,其优化质量大大优于传统遗传算法和著名的 NEH启发式方法 .     

一种求解两机成组作业流水车间优化调度问题的遗传算法

当优化目标是总的流时间时,两机成组作业流水车间调度问题是NP难解的.本文提出了一种两机成组作业流水车间优化调度的遗传算法.该遗传算法分两层一层优化组内作业排序,一层优化组排序.仿真结果表明该方法的有效性.     

求解资源约束问题的启发式遗传算法

本文提出了一种求解基于特定约束优化问题的启发式遗传算法。通过一种特殊的编码式以及基于问题的搜索方法，有效地解决了ＧＡｓ操作的不合法问题。     

一种求解作业车间调度问题的混和遗传算法

作业车间调度问题(JSSP)是组合优化问题中的NP难问题。本文提出了以适用于JSSP问题的二进制编码遗传算法为基础,在算法中增加了两种启发式算子:激活算子和瓶颈修复算子,并相应调整算法结构,形成混和遗传算法解决JSSP问题。激活算子以GT算法为依据,将种群中部分个体转化为活动调度个体,是一种较有独创性的新算子;瓶颈修复算子对所得结果进一步优化。算例运行结果表明与其它算法相比,该算法在全局搜索能力和运行效率上都有突出的表现。     

一种求解资源受限项目调度问题的蚁群算法

针对资源受限项目调度问题的特点,开发了一种基于蚁群算法的项目调度新方法.在该方法中,采用基于优先权排列的编码方式进行编码,利用组合评估的形式指导蚂蚁移动.提出能使用大量优先级规则的规则池方法,为不同的蚂蚁设置不同的优先级规则.充分利用蚁群算法的优点,为每个蚂蚁设计单独的线程,采用多线程结构实现了本算法.利用被普遍应用的PSPLIB标准问题对该算法进行了大量的仿真测试,并与既有智能优化算法进行了比较,取得了令人满意的结果.     

可行批调度问题及其遗传算法

对判定问题一是否存在使所有需求都可按时满足的调度一进行了研究,通过将其转化成等价的可行批调度问题,分析可行批调度的性质,把问题的解自然表示成了二进制编码的形式,在此基础上,提出了相应的遗传算法,它克服了调度研究中常用的基于排列编码的遗传算法的缺点,仿真结果验证了算法的有效性.     

资源约束下多项目调度的拓扑优化方法

为了有效解决带有项目优先权约束和资源约束的多项目调度问题,综合考虑项目调度过程中任务的时序关系和资源限制,以拓扑遍历方法为基础,提出了一种多项目调度问题的拓扑优化算法。该算法利用拓扑序列的特点,能够保证任务间的时序关系,采用关键路径任务优先、向后影响度大以及最小空闲时间等优先规则进行任务调度及资源分配。结合工程实例,验证了该算法的可行性。     

资源受限单机动态调度的并行GA算法研究

研究资源受限系统动态调度问题，针对时序约束问题提出一种并行遗传算法(PGA)。给出满足排序优先次序约束的一种基因编码方法；采用不破坏优先级可行性的交叉操作，并予以证明：建立一种并行处理机制，使搜索避免出现局优现象。在技术允许情况下，单机动态调度引入抢占式加工方式，会一定程度上提高系统的性能。通过仿真试验验证，并行OA算法可兼顾优化效果和计算效率，解决单机动态调度问题。     

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。     

基于遗传编程和效用最优的网格资源调度及仿真

由于因特网的开放、动态性,传统的计算资源调度方法已不再适用网格计算.基于经济模型的网格资源管理和调度成为研究热点.针对计算市场模型中非线性效用最优化问题,提出了一种基于遗传编程改进的效用最优的网格资源调度算法.该算法使用遗传编程构造计算市场模型中的效用函数,使得计算复杂度控制为O(n).仿真结果表明该算法可以提高网格计算中的资源调度性能.     

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。     

基于蚁群算法的海洋工程群项目资源调度研究

针对海洋工程项目管理的热点问题——群项目管理中的难点,即人力、资金、设备及材料等资源的合理、动态调度问题,提出了一种基于蚁群算法(ACO)的资源调度方法.该方法利用群项目间资源调度问题与旅行商问题(TSP)的相似性,结合ACO算法的特点,将资源需在各个分项目中占用的时间与资源的急需程度与之比作为算法中的启发式信息进行处理.海洋工程群项目管理中资源调度的实例表明,该方法实现了资源的合理、动态调度,为海洋工程群项目管理提供了一较为有效的资源调度算法,对提高我国海洋工程及其他领域群项目管理水平具有一定意义.     

求解FJSP的自适应免疫遗传算法

借鉴生物免疫系统的免疫调节机理,提出一种求解柔性作业车间调度问题的自适应免疫遗传算法(AIGA).该算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,通过引入免疫算子和种群的自适应调节策略,保持了群体的抗体多样性.实验结果表明,该算法可有效改善基本遗传算法的未成熟收敛和局部搜索能力差的缺点,具有很好的全局收敛能力,能有效解决柔性作业车间调度问题.     

时间和费用不确定的网络计划资源均衡优化

研究了基于网络计划活动的时间、费用是随机分布，且活动持续时间上费用分配（时间-费用模型）非均匀分布的工期固定-单资源（投资资金）均衡优化问题。对时间和费用具有不确定性的网络计划进行Monte—Carlo仿真以及仿真输出的统计分析，获得了n次仿真输出结果的代表性样本。以代表性样本的仿真输出数据构造一个确定性网络计划，并根据实际情况假定该确定性网络计划各活动持续时间上费用的分配服从Weibull分布，由此在整个周期内迭加得到一个多峰的Weibill时间-费用模型。最后，采用启发式的“削峰填谷法”对呈现“高峰”和“低谷”落差很大的，具有很强的不均衡性Weibill时间-费用模型进行均衡优化，得到了一个较为均衡的投资强度分布。