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。     

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。     

卫星地面站资源调度优化模型及启发式算法

针对涉及合理确定各地面站各类设备的数量及其分布,对设备进行最优调度,提高地面系统资源利用率等卫星地面站资源优化问题,建立了一种非线性泛函优化模型,并根据实际,在适当假设的基础上建立了系统的0-1规划模型。为了求解模型,提出基于地面站资源冲突消解策略,提出了一种启发式调度算法。利用该算法,研究了一个5站10星问题的调度方案,并与人工经验调度方案进行了比较。结果表明,采用这种启发式调度算法,卫星获得服务的时间增加,平均每天服务总圈数没有明显下降,说明该算法是有效的。     

卫星数传资源负荷均衡调度模型及蚁群优化算法

建立了卫星数传资源负荷均衡调度模型,提出了调度方案效能评价函数和模型求解的蚁群优化算法.调度模型中主要考虑任务调度收益和资源负荷均衡两个优化目标,蚁群算法通过遍历矩阵解构造图来逐步构造可行解,利用基于调度方案效能评价函数的全局信息素更新规则同时优化数传任务调度收益和数传资源负荷均衡两个目标.算例仿真表明,本文提出的调度模型和蚁群优化算法所求得的调度方案取得了较好的任务调度收益和资源负荷均衡指标评价值,说明模型与算法正确可行.     

基于分段Lyapunov函数方法的柔性卫星姿态模糊控制

提出了一种基于分段Lyapunov函数方法的带太阳帆板柔性卫星的姿态模糊控制方法。对于柔性卫星姿态动力学系统而言,强耦合、非线性以及较强的不确定性是其姿态系统的基本特征,本文针对这类被控对象,采用T-S模型作为万能逼近器,设计一种分段状态反馈控制方案。仿真结果表明,该方案可以保证卫星的姿态控制精度、结构振动抑制和控制系统鲁棒性。     

基于鲁棒性目标的关键链项目调度优化

针对传统关键链方法CCM忽略了调度方案的鲁棒性,提出基于鲁棒性目标的关键链项目调度优化问题.对插入输入缓冲导致的二次资源冲突,从鲁棒优化的角度提出一种启发式的协调策略,并设计基于两次调度过程和缓冲动态消耗的关键链鲁棒性度量指标.构建以鲁棒性最大化为目标的关键链项目调度优化模型CCPSP-R,并采用嵌入模型特征的启发式遗传算法求解.通过对较多随机算例的仿真测试,验证了CCPSP-R模型和求解方法的有效性.结果表明,CCPSP-R能较大程度地改善传统CCM的鲁棒性;对不同规模的项目网络测试算例,鲁棒性的平均改善度达到54.22%至210.4%.     

一类多卫星动态调度问题的建模与求解方法

卫星调度是空间资源管理的重要内容之一，其本身也是一类复杂的资源分配问题。基于动态约束满足理论，针对卫星初始调度方案执行过程中卫星资源出现故障的情况，建立了多卫星动态调度模型，提出了求解模型的启发式搜索方法。最后，以地球资源观测卫星调度问题为例，对模型和算法进行了验证。     

随机活动工期下基于总不确定成本的项目前摄性调度与反应性调度集成优化

从成本经济角度研究活动工期随机中断下前摄性调度与反应性调度在应对不确定因素干扰中的集成优化问题,目标是最小化项目计划与实施过程的总成本。构建以总成本最优为目标的前摄性与反应性调度集成优化模型;针对模型特征设计混合变邻域随机禁忌搜索启发式算法,并在ProGen生成的算例上进行全因子测试。结果表明：基于随机属性的混合启发式算法在算例规模较大时可以发挥较好的作用;通过合理设置基准进度中缓冲分配方案,可以通过牺牲部分鲁棒性的方式获得项目总成本的最优。     

求解模糊需求车辆路径问题的两阶段变邻域禁忌搜索算法

模糊需求车辆路径问题(CVRPFD)是对带容量约束车辆路径问题(CVRP)的扩展,属于经典的NP难题,其求解与需求确定CVRP区别较大,较为复杂,具有很强的理论和现实意义.基于先预优化后重调度的思想,提出一种新的两阶段变邻域禁忌搜索算法(VNTS)对其求解:在预优化阶段,基于可信性理论构建模糊机会约束优化模型处理客户点模糊需求,设计VNTS求解预优化方案;在重调度阶段,设计随机模拟算法模拟客户点实际需求,提出一种新的点重调度策略对预优化方案进行调整.算例实验表明两阶段变邻域禁忌搜索算法是一种求解CVRPFD的有力工具,点重调度策略调整效果较佳.     

考虑保障装备可用度的舰载机作业调度优化

为了在保证较高水平的保障可用度前提下提高舰载机出动效率, 提出一种支持可用度约束的统计优化模型及其对应的启发式求解算法。能够同时生成舰载机的保障作业调度方案和保障装备计划性维护的时间安排, 并通过基于仿真的优化方式, 在启发算法的适应度评价中增加对视情维修和事后维修的仿真, 提高了舰载机作业调度方案的鲁棒性。仿真结果表明，所提算法能够提供一个稳定可靠的基准调度方案, 避免不必要的重调度。     

一种不确定条件下批处理过程的鲁棒调度模型

批处理过程中存在大量的不确定因素,通常表现在参数的变化上,这使得确定性的生产调度模型难以得到令决策者满意的调度结果.为了解决这一问题,文章从鲁棒优化的角度出发,给出了鲁棒调度的新定义,其核心是在调度的可行性与最优性之间寻求均衡.介绍并提出了相关的鲁棒性指标来衡量调度的鲁棒性.并依据这种思想,针对不确定需求建立了一种新的鲁棒调度模型,该模型允许在一定程度上违背某些约束,但要求对这种违背进行补偿,规定补偿行为,并将补偿成本记入优化目标,从而实现鲁棒优化.仿真结果表明,利用该模型可以得到鲁棒性更强的调度方案,并且满足一定的最优性.     

考虑下游ICU病床容量约束的鲁棒手术计划调度

手术计划调度是医疗资源配置的重要组成部分,也是复杂的组合优化问题.由于在手术计划调度过程中,存在手术时间、术后重症监护病房(intensive care unit,ICU)内住院时间、急诊病人的到达、病人取消等不确定因素.本文考虑手术后下游的ICU中病床资源的容量约束,基于不确定的手术时间和术后ICU住院时间,借助ellipsoid和box不确定集合刻画不确定性,提出一个手术计划调度两阶段鲁棒优化模型,得出易求解的鲁棒等价问题,并提出列生成启发式算法.算例结果表明,较之住院时间的不确定性,手术时间的不确定性对总成本和手术块的加班时间影响显著,而住院时间的不确定性对ICU内短缺病床数量有显著影响.管理者可选择恰当的手术时间和住院时间的不确定水平参数组合(Ω,Γ),综合权衡手术块的加班时间和ICU内病床的短缺数量,尽可能地最大化手术室、ICU病床资源的利用率.     

信息不确定下的主动打断项目组合选择问题鲁棒优化

在项目组合选择问题中,历史数据的缺乏以及预测和估计过程中出现的不可避免的误差,会导致模型中的参数无法被准确地估计,进而给决策带来巨大的风险.因此,构建合适的鲁棒优化模型,为企业提供能有效应对参数不确定性的鲁棒解,对企业的风险防范具有极其重要的现实意义.本文首先对确定参数下的主动打断项目组合选择问题数学模型的特点进行了分析.进一步地,介绍了鲁棒优化问题中不确定情境集的概念,并给出了允许管理者根据其偏好确定不确定情境集大小的方法,构建了全新的基于情境的鲁棒优化模型,进而计算出在所规定的不确定情境集内的最坏情境下能保持可行性与最优性的鲁棒解,实现了鲁棒性与最优性间的权衡,最后,通过GAMS/BARON进行了算例分析,验证了模型的合理性与有效性.从理论上,本文首次将鲁棒优化理论扩展到了主动打断项目组合选择问题中,针对现有的项目组合选择问题鲁棒优化理论仅能应对有限个可行解的不足之处,提出了一类新的鲁棒优化方法,使其能够应对具有无穷多可行解的主动打断项目组合问题.从实践上,随着我国高新产业的发展,具有超前性与特殊性的研究与发展(RD)、信息科技与信息系统(IT/IS)等新兴项目的投资日益受到重视.相较于传统项目,这类项目的高度不确定性使得探究项目组合选择问题的鲁棒优化理论日益迫切.故而本文的研究具有明显的理论价值和现实意义.     

不确定处理时间批处理过程的鲁棒调度新策略

针对化工批处理调度过程中处理时间不确定的问题,建立了具有分解结构的调度模型,提出了一种新的鲁棒调度策略.策略由基本调度策略和在线调整两部分组成,分别与模型的主问题和子问题相对应.提出了基于遗传算法的分解算法求解模型,以获取具有鲁棒性和最优性的基本调度策略.通过对子问题的分析,提出了运用简单的推理进行在线调整的方法,无需复杂计算,并运用动态规划的原理说明了该方法的可行性和最优性.最后用实例说明了该鲁棒调度策略的有效性.     

加工时间为连续随机变量的Job Shop调度问题

针对实际调度问题中存在的不确定现象,提出了加工时间服从正态分布、最大完成时间的期望值作为目标函数的随机Job Shop问题;然后提出了解决该问题的智能优化算法:采用随机模拟的方式产生输入输出数据,利用遗传算法训练神经网络,将训练过的神经网络嵌入到另一遗传算法中,用该遗传算法来优化Job Shop调度问题;最后给出了仿真实验,通过仿真实验证明,该算法对于解决加工时间为随机变量的Job Shop调度问题是行之有效的。     

Missile robust gain scheduling autopilot design using full block multipliers

Reduction of conservatism is one of the key and difficult problems in missile robust gain scheduling autopilot design based on multipliers. This article presents a scheme of adopting linear parameter-varying (LPV) control approach with full block multipliers to design a missile robust gain scheduling autopilot in order to eliminate conservatism. A model matching design structure with a high demand on matching precision is constructed based on the missile linear fractional transformation (LFT) model. By applying full block S-procedure and elimination lemma, a convex feasibility problem with an infinite number of constraints is formulated to satisfy robust quadratic performance specifications. Then a grid method is adopted to transform the infinite-dimensional convex feasibility problem into a solvable finite-dimensional convex feasibility problem, based on which a gain scheduling controller with linear fractional dependence on the flight Mach number and altitude is derived. Static and dynamic simulation results show the effectiveness and feasibility of the proposed scheme.     

The Robust H∞ Control of a Stochastic Inventory—Production System

1　 Introduction DealsMost inventory- production models assume that the demands are influenced by randomlyfluctuating environment.Under the assumption of probability distribution being known,many researches on inventory optimization and control problem ha…     

突发事件应急救援前摄性调度与反应性调度的集成优化

突发事件应急救援具有高度的不确定性与动态性,稳定可靠的救援计划及其合理有效的动态调整,对于应急救援的顺利实施具有重要影响.本文以企业生产事故与突发事件为主要对象,研究应急救援的前摄性调度与反应性调度的集成优化问题.作者首先对问题进行界定,构建前摄性调度优化模型以求得一个鲁棒性最大的基准计划,然后以此为基础建立调整损失最小的反应性调度优化模型.针对问题的NP-hard属性,设计专门的禁忌搜索启发式算法.最后,通过对一个实际井喷事故救援过程的求解分析对研究进行说明,得到如下结论:前摄性调度的鲁棒性与反应性调度的损失值之间,并不存在一个绝对的单调关系,通过反复多次的求解运算,可以找到二者之间平衡点,实现两种调度方式的集成优化.本研究可为突发事件应急救援基准计划的制定与动态调整提供定量化决策支持.     

Information gain based sensor search scheduling for low-earth orbit constellation estimation

This paper addresses the problem of sensor search scheduling in the complicated space environment faced by the low-earth orbit constellation.Several search scheduling methods based on the commonly used information gain are compared via simulations first.Then a novel search scheduling method in the scenarios of uncertainty observation is proposed based on the global Shannon information gain and beta density based uncertainty model.Simulation results indicate that the beta density model serves a good option f...