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。     

加权快递网络鲁棒性分析及优化

研究快递网络鲁棒性的分析和优化方法.考虑到快递网络中节点城市和包裹投递的地理空间特征,提出基于节点城市之间投递距离的加权快递网络抽象描述及其鲁棒性分析方法.进而在有目的的节点城市移除规则和随机的投递路线移除规则下,分析航空投递网络和陆运投递网络的鲁棒性,发现前者的鲁棒性明显优于后者.然后,通过分析航空投递网络和陆运投递网络的微观结构特点.结合节点城市实现包裹投递的基本功能要求,提出基于节点城市包裹投递能力的加权快递网络鲁棒性优化思路方法,并给出航空投递网络和陆运投递网络的优化结果.     

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.     

基于智能算法的双目标鲁棒性项目调度北大核心CSSCI

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。     

多车场满载货运车辆优化调度的网络流算法

探讨在一般条件下的多车场满载的VSP问题。建立了它的网络流模型，并给出了一个基于该网络流最优解的启发式算法。该算法的一个明显特征是，对每一条行车路线的确定总是基于一修改后的网络流模型的最优解，大大提高了算法结果的优化质量。同时，与其它同类算法相比，其算法设计也明显偏优。     

基于复杂网络的灾难救援物流网络鲁棒性分析

灾难救援中物资的供应面临着救援环境不确定性的挑战,为更好地探讨灾难救援中物流网络的鲁棒性,构建了带有可调参数的灾难救援物流网络局域世界演化模型,并对其统计特性进行了分析.在给出灾难救援物流网络鲁棒性新测度的基础上,分析了在受到随机干扰的情形下,不同拓扑结构的灾难救援物流网络的鲁棒性.仿真结果表明:通过调整模型中的距离敏感参数,改变网络的演化机制,可以达到提高灾难救援物流网络鲁棒性的目的.     

基于复杂网络的空铁复合网络的鲁棒性研究

运用复杂网络方法,对中国高铁-民航复合网络进行了网络拓扑特性与鲁棒性分析。分析结果表明,高铁-民航复合网络及其子网络都是具有无标度特性的小世界网络;高铁-民航复合网络在蓄意攻击模式下的鲁棒性较差,而在随机性攻击模式下的鲁棒性较强;无论是随机性攻击还是蓄意攻击,复合网络的鲁棒性都优于高铁子网络和航空子网络。     

基于加权超网络模型的知识网络鲁棒性分析及应用

对知识网络的鲁棒性分析方法进行了研究.与一般的复杂网络相比,知识网络涉及两种不同类型的节点:知识和知识主体.在进行鲁棒性研究时,必须对二者进行综合考虑.为此提出基于加权超网络模型的知识网络鲁棒性分析方法,该模型可根据组织中知识与知识主体之间的映射关系将二者集成在一起.在此基础上,提出了一种关联节点删除的方法来研究知识网络的鲁棒性,并提出了度量知识网络鲁棒性的专有知识率、专有知识加权比率、知识网络抗毁性、核心领域知识网络抗毁性等指标及其分析方法,解决了知识网络的鲁棒性分析及度量的问题,并可应用于组织知识资源的安全性评估、发现易流失知识以及评价组织成员的知识重要性等方面.     

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。     

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.     

基于DPSO的无等待混合流水车间调度方法

研究了无等待混合流水车间调度问题,调度目标为最小化工件的最大完成时间。针对问题中工件加工无等待特点,设计了分阶段实现的无等待算法,并将机器的能力约束嵌入到算法之中。在此基础上,首次应用离散粒子群优化算法对无等待混合流水车间调度问题进行了优化求解。通过仿真实验表明,离散粒子群算法的优化质量优于遗传算法及LTPT、STPT和FCFP三种启发式算法,同时验证了分阶段无等待算法的有效性。

Abstract：

A no-wait hybrid flow shop（NWHFS） scheduling problem was studied for the objective of minimizing makespan.For the no-wait constraint between two sequential operations of a job,not only the no-wait algorithm of grading was designed,but also the number restriction of machines was embedded into this algorithm.On this basis,the discrete particle swarm optimization（DPSO） algorithm was proposed for the first time to solve such problems.The last simulation experiments show the optimization qualities of DPSO are superior to those of the genetic algorithm（GA） and the heuristic algorithms of LTPT,STPT and FCFP,and demonstrate the effectiveness of the no-wait algorithm of grading as well.     

无线AD HOC网络基于价格的资源分配仿真研究

无线Ad Hoc网中,公平分配资源和最大化利用资源本质上是冲突的,这对资源分配算法的设计带来了挑战.在系统地分析Ad Hoc网络的信息流竞争特点的基础上,引入价格作为资源分配的度量指标,通过路由发现时的价格查询以及路由响应时的价格反馈,消除分布式预测带来的不一致性,构建了一种新的基于价格的无线Ad Hoc网络资源分配算法,对资源分配进行了仿真实验.仿真结果表明:改进的资源分配算法具有良好的收敛性,与现有的资源分配算法相比提高了资源利用率.     

基于仿真模型的鲁棒协同优化方法研究

复杂产品往往由多个子系统通过复杂的耦合方式组成.针对复杂产品的多学科鲁棒设计优化技术已得到广泛应用.为了使用仿真模型进行多学科鲁棒设计优化,提出了SUA-RCO和DRS-RCO两种方法.在SUA-RCO方法中,仿真模型首先被拟合为近似的数学模型,然后利用近似数学模型进行RCO计算.系统的不确定性由SUA方法进行计算.为了解决大参数方差问题,DRS-RCO方法将仿真模型近似拟合为双响应面形式,分别使用两个响应面来拟合均值和方差.然后,进行协同优化计算.     

基于HLA的测控资源调度仿真系统设计

基于HLA架构对航天测控资源调度系统设计进行了研究。从测控调度问题的基本特点和流程出发,对软件的总体结构,功能设计、各主要类的设计和相互关系、调度模型和调度算法的设计等关键技术进行了研究。在建立基于CSP的系统描述模型和启发式调度算法的基础上,设计开发了具备联邦成员特点,能够与未来航天总体仿真系统顺利集成能力的航天测控资源调度软件系统.通过仿真试验,验证了系统的可用性。     

不确定SMDP基于全局优化的鲁棒决策问题

考虑半马尔可夫决策过程（SMDP）在一些系统参数不确定，且性能函数依赖于这些参数时的鲁棒决策问题。这些参数的不确定性不仅导致等价无穷小生成子的不确定性，也导致性能函数的不确定性。论文针对相关参数的情况，分别采用不同的全局优化算法，即填充函数法和模拟退火算法，进行鲁棒控制策略求解。仿真实例说明，全局优化方法的使用保证了平均准则和折扣准则下的计算结果之间当折扣因子趋近于零时的极限关系成立。     

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.     

基于集成粒子群优化的复线旅客列车优化调度

列车优化调度是一个大规模、复杂的数学优化问题。在优化过程中，考虑了特快旅客列车中途离开时间、普快列车中途离开时间和特快、普快和货车等三种列车的整个运行时间等因素。提出将模拟退火优化方法嵌入粒子群优化算法中，以此构建集成粒子群优化算法．在搜索过程中还加入变异探作来增加种群多样性，以避免早熟收敛．通过对青岛至广东高速轨道线738公里段的研究表明，集成粒子群优化算法局部搜索能力有显著提高，且搜索到全局最优解的概率更大。