基于分支定界方法的双边装配线平衡

针时目前研究较少的双边装配线平衡问题，分析、研究了双边装配线的特点及其时平衡的特殊要求，建立双边装配线平衡问题的数学模型，并提出一种分支定界算法来最优化装配线的平衡。该算法采用基于任务、单步、深度优先的方法进行搜索，采用一系列启发式规则来控制分支节点搜索顺序，运用节点支配规则，下界规则，最大缓冲时问规则等时分支节点进行定界，以便迅速找到最优解，算例结果证明该算法具有较好的性能。     

考虑人力资源排班的资源受限项目调度问题建模与优化

针对实际生产系统中人力资源以排班的形式进行生产活动的情况,提出考虑人力资源排班的资源受限项目调度问题,以最小化项目工期为目标建立了问题的数学模型.由于串行调度在传统任务列表编码对应的解空间下难以获得较优解,本文借鉴车间调度中析取弧的概念,提出了一种改进任务列表编码方式,通过在任务之间添加析取弧的方式扩大算法的搜索范围.此外,为提升遗传算法的局部搜索能力,在改进任务列表编码基础上设计分支定界搜索框架,对遗传算法得到的染色体进行分段深度搜索,并设计支配规则降低算法计算时间.结果表明:内嵌分支定界搜索框架的遗传算法能够提高求解质量,而设计的支配规则能有效降低算法的运算时间.     

具有多种备选方案的露天矿统一运输调度优化

受客观条件限制,使得露天矿统一运输调度的优化存在多个复杂约束,需要多种备选方案的问题.提出了一种新型优化方法,该方法采用一种自适应的惩罚函数方法来处理约束,然后运用多元优化算法进行优化.该自适应惩罚函数参数少,简单高效,对问题依赖小.多元优化算法将搜索个体按其不同的功能组合成一个特殊的数据结构,利用该结构保存和共享寻优过程信息,实现搜索过程记忆,能以较大概率找到最优解,同时保留多个次优解.以某露天铁矿为工程应用实例研究,将该方法与GA、PSO-w、DMS-PSO-HS几种群智能算法的优化结果进行比较验证,结果表明本文提出的方法在露天矿统一运输调度优化中处理约束简单、高效,能够提供多种备选方案且最优解精度更高.对露天矿统一运输调度优化问题进行多个备选方案的研究具有理论依据和实际意义,采用该方法进行具有多个备选方案的露天矿统一运输调度优化是可行有效的.     

蚁群算法求解独立到达时间单机提前/拖期调度问题

求解有独立到达时间和完工时间的单机调度问题目前主要采用启发式算法。为研究仿生类算法的应用可行性,采用蚁群算法,以提前/拖期的总惩罚量达到最小为目标。将邻位工作交换法(AP I)用于局部搜索以提高解的质量,并对每一个解的相邻工作间隔时间进行优化调整。用90个测试算例,将蚁群算法求解结果与分支定界法和禁忌搜索法的结果进行比较。结果表明,蚁群算法与分支定界法和禁忌搜索法的结果相当。     

多备选方案的综合性能指标配煤优化

针对配煤过程中最优方案失效的情况,提出了一种能够具有多备选方案的综合性能指标配煤优化方法.该方法采用一种新型的群智能优化算法——多元优化算法进行优化,算法中的搜索元采用上三角的数据结构存储,并利用该结构实现有用信息记忆和共享,充分利用寻优过程信息,实现搜索过程记忆,在找到全局最优解的同时,保留多个次优解.以某火电厂为工程应用实例研究,将该算法与其他5个常用的群智能优化算法的优化结果进行比较验证,结果表明多元优化算法在配煤优化中能够提供多种备选方案且最优解精度更高.采用多元优化算法进行具有多备选方案的配煤优化是可行有效的.多备选方案的综合性能指标配煤优化研究对火电企业具有重要的现实意义.     

用混合算法求解Flow shop调度问题

研究了流程工业中的Flow shop调度问题,针对免疫算法的随机性和不确定性,结合分枝定界方法的特点,提出了一种基于免疫算法和分枝定界方法的混合调度算法,仿真结果表明该算法不仅能有效解决调度问题,而且提高了搜索效率。     

基于截断学习效应的流水作业排序问题研究

【目的】给出具有截断学习效应的加权总完工时间流水作业排序问题的最优解。【方法】建立具有截断学习效应的加权总完工时间流水作业排序问题的数学模型,给出优势性质、下界和上界,并采用分支定界算法求解该问题的最优解。【结果】数值模拟结果表明:启发式算法得到的解比较准确,最大误差为 0.4117 ,分支定界算法的效率比较高,处理 100 个工件所用的最大时间不超过 460s 。【结论】计算结果表明分支定界算法能够很快地给出该问题的最优排序。
     

基于文化基因算法的集成工艺规划与调度研究

建立了与工艺规划集成的调度问题的数学模型.以最大完工时间为目标,设计一种混合文化基因算法求解该问题.在提出算法中,设计了新型编码和主动解码方案,使用变邻域搜索(VNS)算法进行局部搜索,引入了高效的邻域结构以强化算法的局部搜索能力,并提出了一种个体扰动方法,以避免群体多样性趋于单一,使得提出算法在分散搜索和集中搜索之间达到更合理的平衡.为测试算法的性能,对现有的基准问题进行了测试,有21个实例达到了下界或得到改进,成为当前新的最优解.对比已有的最优结果可见:提出的算法可高效地求解工艺规划与车间调度集成问题且优于其他算法.     

基于截断学习效应的流水作业排序问题研究

【目的】给出具有截断学习效应的加权总完工时间流水作业排序问题的最优解。【方法】建立具有截断学习效应的加权总完工时间流水作业排序问题的数学模型,给出优势性质、下界和上界,并采用分支定界算法求解该问题的最优解。【结果】数值模拟结果表明:启发式算法得到的解比较准确,最大误差为0.411 7,分支定界算法的效率比较高,处理100个工件所用的最大时间不超过460s。【结论】计算结果表明分支定界算法能够很快地给出该问题的最优排序。     

带准备时间的任务单机学习效应排序问题

具有学习效应的任务的加工时间和带有准备时间的任务问题是排序论中的重要研究内容,它们对任务的完工时间有重要影响。研究了具有学习效应且带有准备时间的任务单机排序问题,其中学习效应指的是任务的实际加工时间是该已经排好的任务对数加工时间的递减函数,目标函数为最小化总完工时间。这个问题是NP-难问题。用分支定界法给出了此问题的最优解,为了提高分支定界法的运行效率,同时给出了一个启发式算法、几个优势性质和两个下界。计算结果表明分支定界法和启发式算法求解此问题非常有效。     

带准备时间的任务单机学习效应排序问题

具有学习效应的任务的加工时间和带有准备时间的任务问题是排序论中的重要研究内容,它们对任务的完工时间有重要影响．研究了具有学习效应且带有准备时间的任务单机排序问题,其中学习效应指的是任务的实际加工时间是该已经排好的任务对数加工时间的递减函数,目标函数为最小化总完工时间．这个问题是NP-难问题．用分支定界法给出了此问题的最优解,为了提高分支定界法的运行效率,同时给出了一个启发式算法、几个优势性质和两个下界．计算结果表明分支定界法和启发式算法求解此问题非常有效．     

一种新的静态优先级在线节能调度算法

合理运用动态电压调整技术可有效降低嵌入式实时系统能耗.针对静态优先级实时调度,提出了一种能够有效分析松弛时间并尽可能平衡分配松弛时间的在线节能调度算法TPSRM.设计了一种两段式频率执行策略来改变任务执行时间的分配,能充分在线分析各种形式的松弛时间.通过尽可能合理降低高优先级任务的处理器执行频率来实现有效的在线频率调整.实验结果表明TPSRM算法可实现较好的节能效果.     

多处理器混合实时任务调度

比例公平调度PFair(Proportionate-Fair)算法和边界公平调度BFair(Boundary-fair)是多处理器系统上周期性实时任务的最佳全局调度方法,但在实际的实时系统中,实时任务往往是周期任务和非周期任务混合的任务系统,在研究PFair和BFair调度算法的基础上,提出了基于服务器思想的公平调度方案,实现了对混合实时任务的调度,同时保证了任务公平地使用共享资源,使得公平调度算法适用于多处理器系统中的混合实时任务调度,扩展了其适用范围。     

基于元胞自动机理论的协同设计任务调度模型

分析了设计任务调度的特点,提出了基于元胞自动机理论的调度模型。对元胞自动机任务调度模型进行了数学描述,对设计任务调度的策略进行了分析,建立了元胞自动机目标调度模型,通过具体算例对所提出的模型进行了验证,表明元胞自动机模型可以有效地进行任务调度的优化。     

基于任务分类思维的云计算海量资源改进调度

对云计算海量数据下的资源调度的研究过程中,进行资源调度时资源分配无法到达合理化调度,存在资源调度效率低的问题。提出分类思维的云计算海量数据资源优化调度方法。该方法引入膜计算概念,将云计算下的海量资源调度的总任务划分为多个子任务,并详细计算每个子任务的资源调度任务量。将优化调度系统内部分解为主膜和辅助膜,利用蝙蝠算法在辅助膜内进行资源分配个体寻优,并将优化后的资源分配最优个体传送到主膜间进行云计算海量数据下的资源分配优化。实验仿真证明,基于改进膜计算蝙蝠算法的云计算海量数据下的资源优化调度方法调度效率高,分配较为均衡。     

大型多协议服务器的优化网络调度模块设计

针对多服务器中协议过多,没有形成统一调度方式,传统的网络调度模块存在延迟与冲突的问题。提出一种用于多协议服务器的网络调度模块设计方法。研究了多协议服务器的特征,详细论述了该网络调度模块硬件和软件设计过程,针对多协议造成的网络调度模型发生混乱的问题,运用一种分层约束方法,对不同的底层协议进行分析。实现不同协议服务器的前端测试设备参数约束 ,再引入一种数据融合方法对多协议服务器外扩FLASH、SRAM、SDRAM存储器芯片和网络控制芯片DM8168进行融合,保证调度的一致性.系统测试结果表明:该模块可以较好的完成多协议服务器的任务调度,网络模块的吞吐量与传统的调度方法提高了13%,模块延迟与冲突下降了5%     

基于小波分析的a-多样性k-匿名大数据自适应延迟调度算法

为提高采用k-匿名模型进行a-多样性大数据延迟调度的自适应性和控制准确性, 提出一种基于小波分析的a-多样性k-匿名大数据自适应延迟调度算法. 首先采用小波分析方法对数据进行去噪处理, 通过去噪数据构建优先级列表控制模型; 然后利用高效时分多址协议设计负载均衡传输的信道模型, 并结合自适应加权控制方法建立调度控制的目标函数, 通过时隙分配进行目标函数的最优化求解, 实现调度算法改进设计. 仿真实验结果表明, 采用该方法进行a-多样性k-匿名大数据调度的自适应均衡性能较好, 数据调度的相对误差较低, 数据的召回率优于传统方法.     

大传动比混合式行星减速器的优化设计及动态分析

运用传统方法完成了某型海上钻井平台升降机构齿轮减速箱的总体结构设计,再运用分枝界定算法对齿轮模数、齿数进行离散优化,最后通过多体动力学仿真对优化方案的动力学特性进行了分析。     

序列相关Setup单机调度的最小化最大拖期分枝定界算法

研究了具有序列相关Setup带交货期的单机调度NP问题,优化目标是最小化最大拖期.通过松弛子路径连通约束,提出了基于AP算法的下界方法.在算法下界的基础上,基于下界解建立了以改进Karp-Steel补偿启发式方法构成的上界构造方法.发现了反映问题特性的两条优势规则.最后依托Ragatz提出的分枝定界算法框架,引入上界和下界方法,以及两条优势规则,形成了求解该问题的分枝定界枚举算法.通过计算实验证明了算法的有效性.     

网格工作流中基于优先级的调度方法研究

根据网格用户的身份、信誉，以及网格工作流中应用程序的时间紧迫度和依赖关系，提出了网格工作流中应用程序的优先级计算方法．其中，完全优先级调度算法根据网格工作流中的应用程序优先级向量生成调度序列，而且每次只将队列中优先级最高的应用程序提交给网格，而非完全优先级调度算法可同时调度若干无依赖的网格应用程序进入网格，以弥补完全优先级调度算法的并行化问题．实验表明，当网格中的资源较少且资源的性能差异较大时，使用完全优先级调度算法可以保证优先级较高的工作流的应用程序优先使用优势资源；当网格中的资源性能差异不大时，非完全优先级调度算法可解决因资源未充分利用而造成工作流完成时间大幅增加的问题．