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.     

带资源空窗期的资源投入型问题的建模与优化

以飞机移动式装配线为背景,在基本资源投入型问题的基础上考虑资源空窗期约束,建立以最小化资源使用总成本为目标的数学模型.针对该模型设计了一种构造启发式算法,并提出了非关键任务优先级决策规则.考虑空窗期约束特点,以连续排入的两个非关键任务间结果最优的启发式规则来确定非关键任务位置,并提出以非关键任务优先级和关键任务开始时间为双链表编码的遗传算法,然后将启发式规则嵌套在遗传算法的解码和评估阶段.最后通过数值实验比较启发式算法和遗传算法与CPLEX在求解该问题时的优劣,证明了两种算法的有效性.     

多技能资源投入项目调度问题的建模与优化

以大型工业品移动装配线为实际背景,针对多技能人力资源投入成本问题,建立了以最小化资源投入成本为目标的数学模型.针对该模型,提出了基于全局作业影响的改进调度机制的遗传算法,设计最小费用最大流多技能资源分配算法解决资源分配问题,通过基于全局资源水平影响的作业调度评估策略优化非关键作业的调度位置.最后利用改造的标准算例库PSPLIB进行数值试验,通过与CPLEX和文献算法对比,验证了本文算法的有效性.     

家政服务人员的排班优化问题

家政服务公司的员工排班是一项非常重要的工作,其实质在于通过周密的组织和精确的计划,综合考虑成本最低和服务人员工作时间均衡,实现公司员工的优化配置,其合理性关系到家政服务公司的口碑和效益。本文提出了家政服务人员的排班优化问题,应用分支定界法、遗传算法和基于自适应的混合遗传算法求解,其中基于自适应的混合遗传算法结合了遗传算法和局部搜索的优点,遗传算法用来执行全局搜索使解跳出局部最优,局部搜索进行性能微调,并采用自适应策略改进算法。针对不同的算法,建立相应的数学模型,仿真结果表明通过三种算法都能得到最优解,基于自适应的混合遗传算法性能更优,而且,模型的正确性和算法的合理性也得到了验证。     

基于成本最小的公交人员排班优化模型

为了优化公交人员排班问题,提高公交公司的运营效率和资源利用率,以车辆行车计划为基础、公交公司运营成本最小为目标,构建了公交人员排班问题理论模型,并利用遗传算法和LINGO优化软件分别进行实例求解。算例分析表明,该模型具有可行性和合理性。     

考虑站场实时排班可行性的纯电动公交调度

近年来,中国纯电动公交车占比逐年提高,2019年已超过46.8％,北上广深等多个城市已实现100％.通过深入分析纯电动公交车行驶过程中的耗能组成,由此建立电能能耗成本函数;构建同时考虑乘客出行与公交企业运营成本的纯电动公交车调度排班模型;将公交场站车辆数作为约束条件引入模型,真实反映实际车辆运行情况;为严格做好疫情防控,将车辆满载率纳入模型约束以保证乘客安全距离;通过分析发现该模型属于NP-hard问题,提出利用遗传算法对其进行求解.利用广州市105路公交线路的运行和OD需求数据进行仿真验证,表明该模型和算法具有一定的有效性.     

基于遗传算法的护士排班系统研究

护士排班问题是医疗系统中最重要的工作之一.科学地编制排班表,合理地进行人员搭配,适当地平衡护士负担,充分考虑护士的合理需求,对医院有效使用劳动力以及更好的满足人员需求起着非常重要的作用.采用遗传算法建立护士排班表,并且在Android平台智能手机上开发应用,方便护士人员随时随地查询排班等情况,实现了智能化、人性化的排班过程.     

基于启发式遗传算法的公交车智能排班研究

采用基于启发式遗传算法进行公交车辆智能排班的研究,且对遗传算法的各个算子进行了专门化处理．该方法充分利用遗传算法的智能化特征,有效地改善了公交车辆的智能排班,提高车辆运营效率,避免了单一遗传算法的早熟问题,提高了遗传算法的收敛性和优化质量．     

资源空窗期及任务可拆分的资源投入问题研究

考虑飞机装配过程中任务可拆分及资源存在空窗期的两大特性,对飞机移动生产线资源投入问题进行模型与算法研究.针对部分任务存在已知拆分模式及拆分惩罚的情形,设计了求解该问题的改进遗传算法,对传统实数交叉操作进行优化,提出了基于染色体适应值的交叉方法,并在数值实验中对相关参数的取值范围进行了敏感性分析;同时,提出了基于任务开始时间选择概率的变异机制.对满足优化条件的任务调度方案,结合空窗期的位置,评判各可拆分任务可否通过选取新的拆分模式重新调度执行,对不同情形进行总结归纳,通过局部操作进一步降低目标资源量.数值实验表明:通过本文算法对求解带资源空窗期的任务不可拆分问题与基本问题的结果对比,得到任务数分别为10、16、30、60、90算例的目标值平均增量达到4.3%;对求解本文问题与任务不可拆分问题的结果对比,平均优化率达3.5%,证明了本文算法的有效性,同时证明将任务拆分纳入考虑资源空窗期的资源投入问题中,可提高问题求解的灵活性,从而获得较好的调度结果.     

考虑资源空窗期的资源投入问题的建模与优化

针对飞机装配过程中部分关键资源存在不可用期的特征,研究基于资源空窗期的资源投入问题,建立以最小化资源使用成本为目标的作业调度数学模型.通过分析空窗期对作业开始时间决策区间的影响,设计以作业位置编码的遗传算法,充分利用迭代过程中得到的作业不同开始时间对应不同目标值的信息,提出基于概率分布的作业开始时间选择方法来改进变异操作,并通过部分作业执行顺序的分支枚举对所得结果进行局部优化.数据实验表明,对于小规模问题可获得近似精确解,而对于大规模问题比较现有的算法,其在算法求解精度上可提升3%.     

基于项目拆分决策的多模式资源投入

结合一类实际生产决策需求,提出了基于项目拆分决策的多模式资源投入调度问题,并以资源投入最小化为优化目标,建立了问题的数学模型.针对模型特点,提出了包含项目拆分算法和多模式资源投入型项目调度算法的双层优化算法,其中项目拆分算法通过将作业在不同子项目之间有效移动获得合理的拆分方案,多模式资源投入型项目调度算法通过分析不同作业对时间约束和资源约束的影响来确定优先级规则,进而得到最佳调度方案.应用PSPLIB标准算例进行数据实验,结果证明了算法的有效性和可靠性.     

基于AGA的地面等待问题建模及优化

考虑飞机延误成本差异以及有续航任务航班对延误时间的要求,建立了一种地面等待问题优化模型,以降低航班延误费用以及续航航班延误时间,实现多目标优化。采用自适应遗传算法对问题模型进行求解,通过对典型算例的计算,进一步说明了算法和模型的有效性。     

作业时间依赖资源分配决策的项目调度问题建模与算法

针对实际问题的需求,提出了作业时间依赖资源分配决策的项目调度问题.以最小化项目工期为目标,建立了作业时间与资源分配量呈函数关系的资源受限项目的调度模型,提出了基于1-opt及2-opt局部搜索的遗传算法以提高算法的求解质量,分析了2-opt局部搜索中的作业组合情形,归纳与证明了不同作业组合调整与问题目标之间的关联性质,在此基础上建立了选取有效作业组合的方法,以提高算法在局部搜索求解中的效率.数据实验结果表明,所提算法相较于现有算法,其求解的质量和速度均具有优越性.     

风险投资的演化建模

利用演化算法的自适应性、组织性、自学习性的特性，得出了一种演化的建模算法.数值实例表明，采用该算法能够对风险投资做出优化的决策.     

试论人力资源与人力投资

阐述了人力资源的内涵,指出加强对人才进行预测分析,准确地确定人才的需求量,是开发人力资源、提高组织中人员效绩的重要前提,分析了人力投资的问题,提出了构筑人才资源高地的若干措施。     

用遗传-禁忌搜索混合算法求解组合投资问题

提出了一种基于遗传算法和禁忌搜索的混合算法,用遗传算法提供并行搜索的主框架,用禁忌搜索作为遗传算法的变异算子.遗传算法中变异过程解空间的搜索由禁忌搜索实现,并且用混合算法求解了概率准则意义下的组合证券投资模型.实例证明,遗传/禁忌混合算法有较强的爬山能力,较遗传算法有更高的计算效率,为组合证券投资者提供了一种高效的决策方法.     

遗传算法在网络计划资源优化中的应用

将遗传算法引用到资源优化中，解决了“资源有限-工期最短”和“工期固定-资源均衡”两种优化问题，得到了比应用网络计划技术及数学规划方法更为满意的计算结果，克服了传统的资源优化方法不能保证解的最优性的缺点。在此基础上，还将上述两种情况综合进行多目标优化，获得工期最短资源均衡的优化结果，并通过实例验证了该方法的可行性和高效性，对于工程项目管理中资源工期优化具有实际应用价值。     

基于云遗传算法的不确定性环境下平台资源调度适应性优化方法

针对战场环境中不确定因素对平台资源调度方案的影响,提出了一种面向不确定事件的平台资源调度适应性优化方法。考虑平台损耗和任务处理时间2个方面的不确定性,建立以最大任务执行效率为目标函数的平台资源调度的适应性优化问题的数学模型,根据不确定事件对平台资源能力或任务属性的影响来判断是否触发调度方案的适应性优化,并基于云遗传算法设计了平台资源调度适应性优化问题数学模型的求解方法,最后通过算例进行了验证。仿真结果表明,使用云遗传算法对平台资源调度方案进行适应性优化调整,能得到更加优化的平台任务匹配关系,并从整体上缩短使命完成时间。