成像卫星集成调度的变邻域禁忌搜索算法

探讨了一类涉及多星、多地面站的成像卫星系统集成调度问题,要求从可能过度订购的卫星观测需求中,选择一个能够无冲突完成的任务子集,并为相应的观测和数据下传活动安排资源和时间,以最大化对所有用户需求的总体满足程度.建立了该问题的变体形式车辆路线问题模型,设计了改进型和调整型两类邻域结构,并提出了一种变邻域禁忌搜索算法.通过交替使用两类邻域结构,增强了算法对解空间的探索能力和规避局部极值的能力.测试算例的计算结果和与其它算法的比较表明,该算法能够在相近的计算时间内显著改善求解质量.     

基于遗传禁忌混合搜索算法的设备布局研究

针对设备布局影响制造系统的总体功效的问题,但同时遗传算法在实际应用中,出现早熟现象,爬山能力弱,等一系列缺点提出遗传禁忌混合搜索算法,该算法将遗传算法和禁忌搜索相结合,遗传算法的交叉算子中增加记忆功能,避免迂回搜索,以禁忌搜索作为遗传算法的变异算子。通过实例计算,证明遗传禁忌混合搜索算法是一种行之有效的算法,对解决设备布局这类组合优化问题具有实用价值。     

基于不变矩和禁忌搜索算法的图像识别方法

为了满足图像识别较高的识别率和较低的时间消耗两方面的要求,提出了一种不变矩和禁忌搜索结合算法,即以不变矩作为特征参数,以禁忌搜索算法加快图像数据检测。在最佳的迭代步长下,不变矩和禁忌搜索结合算法在平均识别率、消耗时间、平均重复个数等参数方面,要明显优于一般不变矩算法。不变矩和禁忌搜索结合算法兼顾了识别率和时间消耗两个方面的因素,可以应用于一些高速的图像识别场合。     

一类资源约束单机排序问题

讨论具有连续资源的单机排序问题．在这一模型中，工件的释放时间是所消耗资源的非负严格减少连续函数，工件的加工时间是开工时间的严格增加线性函数．考虑两类问题，第一类问题的目标函数是在满足最大完工时间限制条件下极小化资源消耗总量、第二类问题的目标函数是在满足资源消耗总量限制条件下极小化最大完工时间．对两类问题讨论了最优排序的某些特征．基于对问题的分析，分别给出了求解最优资源分配的方法．结果表明，加工时间为常数情况的结论对于加工时间是开工时间线性函数的情况仍然成立。     

基于蚁群算法和禁忌搜索的部队机动路径选择

新形势下的部队作战规划对机动路径选择这个问题提出了新要求,需要同时达到机动时效和机动分散的双重指标.针对问题建立了数学模型,引入信息熵理论作为目标评价准则,借助改进的蚁群算法和禁忌搜索算法相结合的启发式方法对问题进行求解,给出了该方法的具体计算步骤.对仿真结果的分析表明,算法是切实有效的.     

随机机器故障下单机预测调度方法

研究可能遭遇机器故障的工件动态到达的单机总加权拖期生产调度问题. 基于一定概率分布对机器故障的预测描述, 预测调度方法可以用插入时间冗余的方法使初始调度方案具有一定的抗干扰能力, 对未来的故障扰动有一定预测性, 使未来实现调度与预测调度尽量保持一致性, 预测性度量定义为实现调度与预测调度间各工件完工时间的绝对偏离加权和. 提出了一种带空闲时间阈值的预测调度方法, 基于工件动态到达的特点, 充分利用初始调度中的空闲时间, 通过空闲时间阈值灵活控制空闲时间的插入与否. 大量的仿真实验结果表明,与已有方法相比, 采用该方法得到的预测调度对随机机器故障的预测能力更高,同时保持了好的调度性能.     

Rolling optimization algorithm based on collision window for single machine scheduling problem

1.INTRODUCTION Thesinglemachinenon preemptiveschedulingto minimizetotalcompletiontimewithdynamicjobar rivalsisthebasicprobleminproductionscheduling.Manyworksfocusoneffectiveheuristicmethodsdue toitsstronglyNP hardcharacter.Themostcommon heuristicsareSPT[1](shortestprocessingtime),ECT[2](earliestcompletiontime),delayed SPT[3],PRTF[4](priorityrulefortotalflowtime),APRTF[4],etc.Withoutfullyutilizinganyinforma tionaboutjobswhichwillarriveinthefuture,the abovemyopicmethodsmayresultinpo…     

含释放时间的同类机问题的可变邻域搜索算法

研究了目标函数是最小化完成时间和的同类机调度问题,其中作业释放时间可能不同.此问题被证明是强NP-hard问题.为此问题构造了一种启发式算法HRS,进而以HRS算法求解结果为初始解构造了问题的可变邻域搜索算法HRS-VNS.大量的随机数据实验用于验证算法的性能和效率.     

加工时间依赖于资源消耗量的平行机调度问题

研究了一类平行机调度问题,其中假定作业加工时间是资源消耗量的线性减函数,调度的目标是在限定最大完工时间时最小化资源消耗总量. 分析了对应单机问题的最优算法和下界构造方法,进而提出了两个优化策略用于构造模拟退火算法和禁忌搜索算法.考虑了多种最大完工时间限制情形, 构造了大量随机实验数据,对算法解的精确度及计算效率进行了测试.实验表明所构造的模拟退火算法能够在合理的时间内提供高质量的满意解.     

线性减少加工时间的资源约束单机排序问题

讨论具有连续资源的单机排序问题。在这一模型中,工件的准备时间是所消耗资源的非负严格减少连续函数,工件的加工时间是开工时间的严格减少线性函数。考虑两类问题,第一类问题的目标函数是在满足最大完工时间限制条件下极小化资源消耗总量。第二类问题的目标函数是在满足资源消耗总量限制条件下极小化最大完工时间。对两类问题讨论了最优排序的某些特征。基于对问题的分析,分别给出了求解最优资源分配的方法。结果表明,加工时间为常数情况的结论对于加工时间是开工时间线性函数的情况仍然成立。     

基于资金约束的项目支付进度问题研究

研究资金约束下的项目支付进度安排问题,其中活动具有多种执行模式,目标是最大化项目净现值.首先界定研究假设条件并定义文中用到的符号;随后构建问题的非线性整数规划优化模型;针对其强NP-hard属性,设计三层迭代循环嵌套的禁忌搜索启发式算法;以多重迭代改进算法为对比基准,在随机生成的3240个标准算例上对算法进行测试,结果表明:禁忌搜索获得的满意解质量远高于多重迭代改进,但其计算时间要长于后者.该研究可为承包商安排项目进度及平衡现金流提供决策支持.     

交货期服从指数分布的单机随机调度问题

工件完成时间与交货期差的绝对值加权和最小化单机随机调度问题是JIT（just-in-time)生产环境下的典型调度模型，是NP－hard问题，然而，当工件权值与加工时间成正比时，LPT（largest processing time）工件调度是问题的最优解，讨论了该问题加工时间和交货期都为随机变量，其中交货期服从指数分布，且工件权值与加工时间成正比的情形，给出了问题的最优解，并在一定条件下将结果推广到机器随机故障的情形。     

IFF算法求解顺序依赖的单机总权重拖期调度问题

转换(启动)时间是工业中带有清洗、更换物料工序的生产过程所需要的, 该时间一般很大程度上依赖于紧接工序. 这种环境下的调度问题都是工件顺序依赖的. 本文研究顺序依赖的单机总权重拖期调度问题, 为NP难的组合优化问题. 针对该问题, 提出了一种迭代的过滤-扇出算法(IFF), 算法以分支树的结构形式在解空间中搜索. 在算法中, 当分支移动不能改进根节点时, 重新产生有继承性的根节点, 使得算法继续进行. 根据问题特性, 提出了带序列片段重组和参考局部搜索的分支移动策略, 获得分支节点. 对文献中的120组数据的算法测试结果表明: 对大多数实例, IFF算法的计算结果优于或不劣于DE算法和DPSO算法的计算结果, 同时改进了42个实例的最好解.     

SOLVING RESOURCE—CONSTRAINED PROJECT SCHEDULING PROBLEMS WITH BI—CRITERIA HEURISTIC SEARCH TECHNIQUES

In this paper we formulate a bi-criteria search strategy of a heuristic learning algorithm forsolving multiple resource-constrained project scheduling problems. The heuristic solves problems intwo phases. In the pre-processing phase, the algorithm estimates distance between a state and the goalstate and measures complexity of problem instances. In the search phase, the algorithm uses estimatesof the pre-processing phase to further estimate distances to the goal state. The search continues in astepwise generation of a series of intermediate states through search path evaluation process withbacktracking. Developments of intermediate states are exclusively based on a bi-criteria new stateselection technique where we consider resource utilization and duration estimate to the goal state. Wealso propose a variable weighting technique based on initial problem complexity measures.Introducing this technique allows the algorithm to efficiently solve complex project schedulingproblems. A numerical example illustra     

释放时间具有凸减函数约束的单机调度问题

研究了作业释放时间具有凸减资源消耗函数约束的单机调度问题, 调度的目标是在限定Makespan的条件下使得作业消耗资源总量最小化. 对于此类强NP-hard问题, 定义了作业右移和左移两种基本运算以及交换和插入两种邻域生成方式, 并在此基础上构造了模拟退火算法. 为评价算法的性能, 将此问题松弛成指派问题, 从而用匈牙利方法得到松弛问题的最优解, 并进一步改进下界的质量. 实验表明所构造的模拟退火算法能够在合理的时间内提供高质量的满意解.     

带机器准备时间的同类机调度问题的启发式算法

研究了带机器准备时间的同类机最大完工时间调度问题, 首先证明了工件互换的四个性质, 进而提出了一种启发式算法, 此算法以LPT算法得到的序列作为初始解, 利用互换性质重复对最大完工时间最大和最大完工时间最小的两台机器上的工件进行交换, 以提高解的质量. 实验结果证明了此算法的有效性.     

交货期窗口下的并行机调度问题的遗传算法

给出了一种求解不同交货期窗口的并行机调度问题的混合遗传算法，根据问题的特征采用扩展排列编码方式表示工件的分配和排列，利用给出的调度优先级规则和最好适应值规则相结合的启发式算法对每台机器上工件的顺序进行调整，实验表明所给的算法是有效的。     

求解约束优化问题的改进粒子群算法

针对高维复杂约束优化问题,提出了一种基于平滑技术和一维搜索的粒子群算法(NPSO)。该算法使粒子的飞行无记忆性,结合平滑函数和一维搜索重新生成停止进化粒子的位置,增强了在最优点附近的局部搜索能力;定义了不可行度阈值,利用此定义给出了新的粒子比较准则,该准则可以保留一部分性能较优的不可行解微粒,使微粒能快速的找到位于约束边界或附近的最优解;最后,为了扩大粒子的搜索范围,引进柯西变异算子。仿真结果表明,对于复杂约束优化问题,算法寻优性能优良,特别是对于超高维约束优化问题,该算法获得了更高精度的解。     

Modified bottleneck-based heuristic for large-scale job-shop scheduling problems with a single bottleneck

A modified bottleneck-based (MB) heuristic for large-scale job-shop scheduling problems with a welldefined bottleneck is suggested,which is simpler but more tailored than the shifting bottleneck (SB) procedure.In this algorithm,the bottleneck is first scheduled optimally while the non-bottleneck machines are subordinated around the solutions of the bottleneck schedule by some effective dispatching rules.Computational results indicate that the MB heuristic can achieve a better tradeoff between solution quality and computational time compared to SB procedure for medium-size problems.Furthermore,it can obtain a good solution in a short time for large-scale job-shop scheduling problems.