IT服务外包进度风险控制的改进禁忌搜索算法

随着近年来IT服务外包的迅猛发展,对于项目的进度风险控制也成为了亟待解决的问题之一.针对IT服务外包项目进度风险控制问题,建立了两层的数学模型.考虑到该优化问题是一个NP难问题且具有层次结构,设计了改进的禁忌搜索算法进行求解.主要改进包括初始解的启发式方法产生,禁忌表动态构造等方面.在仿真实验的基础上,对算法稳定性、算法收敛性和有效性等进行了分析,并与传统禁忌搜索算法的仿真结果进行比较,验证所设计算法的有效性.     

用混合遗传算法求解物流配送路径优化问题

为了改善物流配送路径优化问题的运算质量,提出一种将遗传算法和模拟退火算法相结合的混合遗传算法。通过仿真 实例验证,证明混合遗传算法的解优于单纯使用遗传算法和模拟退火算法所得到的解,同时混合遗传算法与传统优化算法相 比收敛速度更快,分配结果更优良,具有很好的应用价值。     

基于混合遗传算法和关键链的多资源多项目进度计划优化

多项目多资源项目进度计划是一个NP难问题。应用关键链思想与方法,分析建立了一种多项目多资源进度计划模型。设计了基于混合遗传和禁忌搜索算法的模型求解算法。对遗传算法的编码、选择、交叉、变异等操作以及禁忌搜索算法的相关操作进行了讨论;并通过实例的求解,验证了关键链方法在研究多资源约束多项目问题上的有效性,以及混合遗传和禁忌搜索算法在求解该问题上的可行性。     

基于热力学混合遗传算法的加热炉炉温优化研究

针对加热炉生产过程中钢坯入炉温度、规格尺寸、钢坯种类等生产工况经常会发生改变,导致基本遗传算法存在早熟等现象,提出一种基于热力学的混合遗传算法.基于钢坯加热过程的机理模型,建立了钢坯温度预报模型,依据加热炉工艺生产要求,建立了加热炉炉温优化模型.为了提高遗传算法的求解精度和计算效率,在遗传算法交叉算子设计过程中加入内能、熵和自由能的思想,改进了传统遗传算法;同时在经典的遗传算法基础上加入模拟退火算法构成了基于热力学的混合遗传算法,并用于求解加热炉炉温优化问题,克服了传统遗传算法的不足.实验结果表明,该方法能够有效地求解加热炉炉温优化问题,是可行的、有效的.     

炮射导弹控制系统的多目标二级优化设计

建立了炮射导弹多目标二级优化模型,提出了多目标二级混合遗传优化算法.对第一级多目标函数引入Lagrange乘子向量作为协调变量,采用两级递阶协调法实现多目标的第一级优化;针对遗传算法局部优化性能较差的缺点,将遗传算法与模式搜索法相结合,采用改进的遗传算法实现了多目标的第二级优化.仿真结果表明,所提出的多目标二级混合遗传优化算法收敛速度快,所设计的控制系统性能优于基于权重系数变换法的遗传算法的效果.     

基于遗传算法的项目管理优化仿真研究

传统的项目进度一维优化扩展至有偏好的二维目标(进度、成本)优化,同时将成本优化目标分解为项目成本大小以及资源均衡度从而构成三维目标优化,将无资源约束的环境扩展至资源约束下的复杂环境,将局部搜索优化领域扩展至全局范围内的优化.在内容上,先对项目的单目标优化管理理论进行详尽研究并指出其现实的局限性,同时提出了智能启化式方法-遗传算法在资源约束下项目管理优化方面的优势.在此基础上本文构建了基于三维目标偏好的项目管理优化仿真模型,解决了项目管理优化理论中最为重要的两大问题:资源约束下的项目进度优化以及资源约束下的三维目标(项目进度、项目成本以及资源均衡度)的优化问题.为了验证此模型对以上问题的有效性,本文应用Matlab仿真技术进行仿真模拟并与传统方法做比较,从结果可以看出遗传算法能够更好的解决此类问题.     

基于两层决策和遗传算法的工程装备运用优化配置方法

为适应现代高科技战争的需要,解决工程装备在运用中的优化配置问题,首先对优化配置问题进行分析,然后将两层决策模型和遗传算法有效结合,建立相应的数学模型,提出基于两层决策模型和遗传算法的工程装备优化配置方法,并给出算法步骤和计算实例.仿真分析表明,建立的模型和优化算法能有效地解决工程装备在多个项目间的分配问题.     

基于遗传禁忌搜索算法的公交调度研究

通过对公交运营调度的分析,建立了以乘客等车时间和公交公司运营费用为优化目标的调度模型;然后对遗传算法和禁忌搜索算法进行了分析,并将禁忌搜索算法引入遗传算法组成混合遗传禁忌搜索算法(GATS);最后针对所建立的公交调度模型进行了GATS算法设计和仿真,结果表明混合遗传禁忌搜索算法比标准遗传算法具有更好的效率,是解决公交调度问题的一个有效方法.     

多模式资源受限项目调度问题的混合遗传算法

多模式资源受限项目调度问题是一种NP难的组合优化问题.提出了与基于关键链的启发式算法相结合的二层混合遗传算法对该问题进行求解.在由上层算法确定的调度顺序下,下层遗传算法结合基于关键链的启发式算法,对系统资源重新优化配置,使算法加速向最优解区域收敛,并在下层设计了随迭代代数增加的可变变异概率,以避免早熟收敛.利用标准问题库对算法进行测试,分析问题参数与算法参数对算法结果的影响,发现实验结果的绩效随迭代数的增加而提高,算法耗时随任务数和迭代数的增加而增加.数值测试结果验证了算法的可行性和可靠性.     

基于混合遗传算法的应急物资配送路径优化

为解决突发事件下应急物资的配送路径优化问题,以配送车辆的固定成本、运输成本、违反最大载重量以及右时间窗的惩罚成本之和最小为目标,构建了带时间窗约束的应急物资配送路径优化模型;通过将遗传算法与节约算法、大规模邻域搜索算法相结合,设计出了一种混合遗传算法对模型进行求解;最后用算例仿真验证了模型和算法的可行性。实验结果表明:设计的混合遗传算法在求解过程和求解结果上都比标准遗传算法更优,可见能够为解决应急物资的配送路径优化问题提供科学的决策依据。     

Two-Level Genetic Algorithm for Clustered Traveling Salesman Problem with Application in Large-Scale TSPs

Let G = (V, E) be a complete undirected graph with vertex set V, edge set E, and edge weights l(e) satisfying the triangle inequality. The vertex set V is partitioned into clusters V1, V2, …, Vk. The clustered traveling salesman problem (CTSP) seeks to compute the shortest Hamiltonian tour that visits all the verti- ces, in which the vertices of each cluster are visited consecutively. A two-level genetic algorithm (TLGA) was developed for the problem, which favors neither intra-cluster paths nor inter-cluster paths, thus realized inte- grated evolutionary optimization for both levels of the CTSP. Results show that the algorithm is more effec- tive than known algorithms. A large-scale traveling salesman problem (TSP) can be converted into a CTSP by clustering so that it can then be solved by the algorithm. Test results demonstrate that the clustering TLGA for large TSPs is more effective and efficient than the classical genetic algorithm.     

多群体阶段性杂交遗传算法

借鉴生物遗传学提出了一种多群体阶段性杂交遗传算法。引入相对顺序交叉算子对标准遗传算法进行了改进。为验证该算法的性能，对旅行商问题进行了求解，采用多群体和阶段性杂交的改进策略，并分别和标准遗传算法进行了比较。计算结果表明，该方法能较好地保证个体多样性，并能促进优秀基因型的杂交和遗传，在收敛和鲁棒性方面优于一般的单群体、非杂交算法。另外，将其应用于水电站优化调度也取得了较好的效果。     

自适应混沌遗传混合算法及其参数敏感性分析

提出自适应搜索空间的混沌遗传混合算法.该方法不同于一般的混沌遗传混合算法,它在遗传进化的过程中根据群体多样性测度引入混沌算子,并从全局搜索空间以随机概率解析出优秀解域,对个体分两个区域进行混沌扰动:优秀解域细搜索和全局解域大扰动.数值仿真表明该算法既加快了收敛速度又提高了收敛精度,解决了传统遗传算法的早熟问题.     

An optimizing algorithm of static task scheduling problem based on hybrid genetic algorithm

To reduce resources consumption of parallel computation system,a static task scheduling optimization method based on hybrid genetic algorithm is proposed and validated,which can shorten the scheduling length of parallel tasks with precedence constraints.Firstly,the global optimal model and constraints are created to demonstrate the static task scheduling problem in heterogeneous distributed computing systems(HeDCSs).Secondly,the genetic population is coded with matrix and used to search the total available time span of the processors,and then the simulated annealing algorithm is introduced to improve the convergence speed and overcome the problem of easily falling into local minimum point,which exists in the traditional genetic algorithm.Finally,compared to other existed scheduling algorithms such as dynamic level scheduling(DLS),heterogeneous earliest finish time(HEFT),and longest dynamic critical path(LDCP),the proposed approach does not merely decrease tasks schedule length,but also achieves the maximal resource utilization of parallel computation system by extensive experiments.     

集装箱码头班轮船期准班率的优化

为提高集装箱码头班轮船期准班率,提出基于动态泊位分配的优化数学模型.在考虑桥吊分配前提下,该模型以船舶离港实际开航时间与船期表要求开航时间的平均绝对时间差最小为优化目标,分别应用微粒群算法(PSO)和遗传算法(GA)求解该数学模型.仿真结果表明:两种算法均可使船期延误时间减少40%;PSO算法较GA算法具有更快的收敛速度.     

企业货运铁路取送车作业智能优化方法

针对综合布局(同时具有放射状和树枝状)的企业货运铁路专用线的特点,提出了一种智能优化方法.该方法在建立取送作业模型的基础上,对问题进行分解,提出了两级优化策略,即先并行求解各车间内树枝状取送作业的子优化问题、再综合求解车间之间放射状取送作业优化问题.依据该优化策略,设计了一种融合遗传算法和蚁群算法的遗传精英蚁群优化算法(GAASelite)求解取送车作业优化问题.实验仿真结果证明,该方法能有效地优化铁路取送车作业问题.     

A fuzzy rule based genetic algorithm and its application in FMS

Most of the FMS (flexible manufacturing systems) problems belong to NP-hard (non-polynomial hard) problems. The facility layout problem and job-shop schedule problem are such examples. GA (genetic algorithm) is applied to get an optimal solution. However, traditional GAs are usually of low efficiency because of their early convergence. In order to overcome the shortcoming of the GA a fuzzy rule based GA is proposed, in which a fuzzy logical controller is introduced to adjust the value of crossover probability, mutation probability and crossover length. The HGA (hybrid genetic algorithm), which is integrated with a fuzzy logic controller, can avoid premature convergence, and improve the efficiency greatly. Finally, simulation results of the facility layout problem and job-shop schedule problem are given. The results show that the new genetic algorithm integrated with fuzzy logic controller is excellent in searching efficiency.     

考虑资源闲置成本的网络计划资源调度优化模型

针对在考虑风险因素时,资源就位时间的任何改变都可能使总工期和资源闲置时间发生变化,进而影响到施工计划总成本的情况,建立了总成本最低的最佳资源就位时间优化模型,并给出了利用蒙特卡罗(MC)法模拟和遗传算法求解各工作最佳资源就位时间的方法.实例验证结果表明,该优化模型优于CPM网络模型.