最优指派问题的动态规划模型及算法

考虑了指派问题:有m项工作和n个人.若m与n是相同的,并且每一项工作只能由一个人来做;同时,每一个人只能做一项工作;符合这一条件的指派问题称为标准指派问题;若m与n不相同, 则称为非标准指派问题.本文在充分考虑了指派问题性质的基础上,建立了求解标准指派问题的动态规划模型,并给出了其求解算法;同时在标准指派问题的动态规划模型的基础上给出了求解非标准指派问题的动态规划模型.最后,通过实例说明了本文提出的方法的基本步骤和计算方法的可靠性.     

一类最优指派问题的动态规划算法

考虑一类较一般的最优指派问题：欲把m项工作指派n个人去完成(m≥n)，要求每项工作只能由一个人来做，第i个人可以同时做bi项工作，其中bi是待求未知数，满足di≤bi≤ei（ei,di为第i个人所无原则工作数的上下限）及∑i=1＾n bi=m为已知常数（i=1,2,…，n），第i个人做第j项工作所用的时间为Cij≥0（i=1,2,…，n；j=1,2,…,m），本文给出了求解上述最优指派问题（使总耗用时间最小）的动态规划算法。     

一类最优指派问题的动态规划算法

考虑一类较一般的最优指派问题 :欲把m项工作指派n个人去完成 (m≥n) ,要求每项工作只能由一个人来做 ,第i个人可以同时做bi 项工作 ,其中bi 是待求未知数 ,满足di ≤bi≤ei(ei,di 为第i个人所需工作数的上下限 )及∑ni=1bi =m为已知常数 (i=1,2 ,… ,n) ,第i个人做第j项工作所用的时间为cij≥ 0 (i =1,2 ,… ,n ;j=1,2 ,… ,m) .本文给出了求解上述最优指派问题 (使总耗用时间最小 )的动态规划算法 .     

指派问题的一种新算法

整数规划中有这样的问题:有n项任务要完成,恰好有n个人可以分别去完成其中每一项,但由于任务性质和各人专长不同,因此各人在完成各种任务时的效率(或所花费时间等)就有差别.因此提出下述问题:应当指派哪个人去完成哪项任务使总的效率为最高(或花费的总时间为最小)这类问题称为指派问题,或称为分派问题.     

一种基于伏格尔法的指派问题新算法

指派问题是一个应用广泛的运筹学问题.用伏格尔(Vogel)法以及闭合回路验优和调优的方法给出了指派问题的新算法,该算法避免了匈牙利法可能导致死循环的缺陷.并编制了通用高效的计算机程序,该程序能求解任意n人员n任务的指派问题.     

动态参数下(m,n,k,b,d)类型AP问题的直接算法

首先提出了几种新的非标准形式的指派问题,简称(m,n,k,b,d)类型AP问题,并且给出了反点算法的改进算法,从而使改进的反点算法能够求解上述几种非标准形式的指派问题。     

两类多目标广义指派问题的有效算法及其应用

讨论了两类目标广义指派问题,给出了它们的多目标整数线性规划数学模型,并结合模糊理论与解决传统指派问题的匈牙处算法提出了一种新的求解算法——模糊匈牙利法。给出了该方法在物资供应中的应用。     

关于指派问题求解过程的改进

在应用“匈牙利算法”解指派问题的基础上，提出了“不平衡指派问题的解法”等指派问题求解过程中应注意的三个问题。     

平衡分式指派问题

在经典指派问题和瓶颈指派问题研究的基础上,给出了平衡指派问题的一种新的演变形式,即带有分式目标函数的平衡指派问题,并提出了求解该平衡分式指派问题的多项式时间算法,阐述了算法的有效性,并且给出了时间复杂度,还通过一个算例演示了此算法。     

带有恶化和拒绝的工期指派的单机排序问题

讨论带有恶化和拒绝工件的工期指派的单机排序问题。工件的实际加工时间是其开始加工时间的线性增函数。如果工件被拒绝,则有一个惩罚费用,否则工件被加工。每个工件都要确定一个工期,文章讨论的工期指派分为CON(共同工期指派)和SLK(相同松弛工期指派)两种情况。对于CON工期指派问题,其目的是确定最优公共工期及工件的加工顺序,使工期、提前、延误和拒绝的总费用最小。将该问题归结为一系列指派问题,从而得到了一个复杂性为O(n4)的算法来求解此问题。对于SLK工期指派问题,目的是确定最优的松弛量及工件的加工顺序,使松弛、提前、延误和拒绝的总费用最小。将其归结为一系列指派问题,给出了求解此问题的多项式时间的最优算法。     

广义模糊指派问题的解法

对于指派问题,工作未完成之前,其效率矩阵中的元素应该是不确定的。但是决策者为了得到具有指导性的决策,有必要对效率矩阵中的元素进行统计或粗略估计。由此产生了更加贴近于现实生活中的不确定环境中的指派问题。针对现实生活中的模糊指派问题,讨论了模糊指派问题出现的三种可能情况,分别建立了它们的数学模型。将求解传统指派问题的匈牙利算法和伏格尔法进行了推广,讨论了模糊指派问题的求解方法,并结合算例进行了说明。     

基于区间数排序的区间型指派问题研究

对区间型指派问题进行了研究与讨论.给出区间数的运算法则以及区间数的排序方法,并结合遗传算法对区间型指派问题进行求解计算,与传统的求解算法相比,该算法在处理区间型指派问题时具有求解速度快,运算效率较高的特点,可以很好的解决一些实际的区间型指派问题.该文最后给出具体算例对该方法的可行性与准确性加以验证.     

非均衡投资收益极大指派问题

讨论从m个公司中选出k(0kmin{m,n})个公司去投资n个项目中的k项使总收益最大的非均衡投资问题,证明了增加反点数目与非均衡投资问题系数矩阵的维数之间的关系,及反点所具有的相关性质和重要结论。提出了解决非均衡投资收益极大指派问题的反点算法,此算法通过增加反点,提高非均衡投资问题系数矩阵的维数,从而使讨论的问题变得容易处理。与传统的解决非均衡投资收益指派问题的匈牙利法相比有较大改进。为解决非均衡投资极大指派问题提供了新思路、新方法。同时,将提出的算法应用于5个公司和4个投资项目的非均衡投资问题,实验结果验证了所提出方法的科学性和有效性。     

具有恶化效应、资源分配、速率修正和松弛工期的排序问题

研究带有松弛工期指派的单机排序问题,工件的实际加工时间同时受到恶化效应、凸资源分配与一次机器速率修正活动的影响。为确定工件的最优排序、速率修正活动的最优位置、最优的公共容许流和最优的资源分配量,使2个约束目标函数极小化。第1个目标函数是在满足资源总量有限的条件下,极小化总惩罚费用,即提前、延误、公共容许流和时间表长的加权和;第2个目标函数是在总惩罚有限的条件下,极小化资源消耗总费用。将上述问题分别转化为指派问题。当速率修正活动位于不同的位置时,选取使得目标函数最小的解为最优解。对2个问题分别给出多项式时间算法,算法的复杂度为O(n4),其中n为工件的数量。用数值算例分别验证2个算法,说明给出的求解算法比较有效。     

用最小费用流的允许边算法求解指派问题

构造指派问题的最小费用最大流模型,并将基于对偶原理的允许边算法用于该模型,提出了求解指派问题的一种新算法。该算法按照互补松驰条件,通过修改已标号节点的势,在容量-费用网络中逐步扩大允许网络,并在其中增广流量,直至求得容量-费用网络的最小费用最大流,此最大流中的非0流边即对应于指派问题的最优指派。在迭代过程中,后续迭代充分利用了上一迭代的信息,有效节省了计算量。对于非标准指派问题,可以直接求解,而不需要先将其转化为标准形式。     

“人少任务多”型指派问题的一种新算法

对于“人少任务多”型指派问题的解法,人们已经提出了很多解法,如“加边补零”法[1],“加边补最小值”法[2],只是前面提到的这些方法总体思路都是将其转化为标准指派问题来求解;对此,提出了一种不同于传统解法的差额法,方法不必一开始就去用新的矩阵去代替原系数矩阵,而是可直接在原系数矩阵上进行求解;方法简洁,直观,而且优于传统算法.     

基于粗糙集的人力资源模糊指派

分析了传统指派问题存在的不足并介绍了粗糙集理论和模糊指派,在此基础上研究了动态联盟企业在新产品开发过程中人力资源的指派问题.首先建立问题的数学模型,应用变精度粗糙集理论对技术人员的素质指标进行属性约简和权系数计算,同时指标属性中考虑技术人员的个人意愿,调动其主观能动性,然后利用专家对指标属性进行模糊评判并根据粗糙集得到的权系数形成综合矩阵,将其转化为单目标决策问题,应用匈牙利算法求解,最后给出了企业的应用实例,结果证明了算法的有效性和模型的实用性.     

数学优化模型中分枝定界法的研究

一些NP完全问题已有了在实际应用时值得一试的求解算法．本文通过对分枝定界法的进一步分析，采用这种算法，开展数学建模中最优化问题案例的研究．在求解“指派问题”等NP问题上提出分枝定界法的改良思路．     

一种基于博弈的任意时间演化优化算法

提出了一种基于多人博弈的演化优化方法(EAMG),用于解决旅行商问题(TSP).将TSP看作n个人(n个城市)之间的非合作博弈,通过主体的理性行为来对问题的解进行优化.详细介绍了该算法的设计思想和具体实验,从理论上分析了算法的性能和时间复杂度.为了体现一定的多样性,在EAMG的基础上进一步提出了多群体EAMG算法,并将两种算法的实验结果与已有的优化算法相比较.实验结果表明,EAMG和MEAMG在实际应用中具有很强的问题求解能力.     

具有柔性约束指派问题的一种新解法

将经典约束满意问题推广到柔性约束满意问题,并研究求解具有柔性约束规划问题的模糊满意解和Discrimin最优解的算法.最后,用实例说明了该理论方法在求解约束指派问题中的应用.