神经网络和启发式算法混合策略解Job-shop调度问题

提出一种有效的自适应神经网络和启发式算法混合策略来求解Ｊｏｂｓｈｏｐ调度问题．自适应神经网络具有在网络运行过程中神经元的偏置和连接权值自适应取值的特性，被用来求得调度问题的可行解，而启发式算法被分别用来加速神经网络的运行和保证神经网络收敛到可行解、获得确定排序下最优解和提高可行解的质量．仿真表明本文提出的混合策略是快速有效的     

海上基地攻防博弈模型及纳什均衡策略研究

针对海上保障基地安全的反潜资源调度是当前海上作战指挥的主要问题，通过分析海上利益冲突中敌我双方的攻防策略及约束条件, 建立了反潜资源调度的不完全信息零和博弈模型和对应的收益矩阵。考虑敌方为理性对手和非理性对手2种情况, 分别提出了求解小规模问题精确解的线性规划算法和求解大规模近似解的改进迭代算法, 并进一步给出了对应纳什均衡和最优反应的求解步骤, 得到了反潜资源调度博弈的混合策略。通过仿真实验验证了算法的复杂性、可行性和有效性, 并分析了混合策略的适用环境。     

基于迭代局域搜索的智能优化算法求解车辆调度问题研究

在对基本车辆调度问题(VRP)进行简单描述的基础上,提出了求解该问题的两类混合策略.这两类策略均采用两阶段的思想:第一阶段,利用节约法对顾客进行聚类;第二阶段,构造适合求解VRP的改进dynasearch算法,且将基于随机kick的迭代局域搜索算法与改进dynasearch算法相结合,提出了迭代dynasearch算法.通过实验仿真,验证了这两类策略在很大程度上能改进问题的解.     

神经网络和启发式算法混策略解Job—shop调度问题

提出一各有效的自适应神经网络和启发式算法混合策略来示Ｊｏｂ－ｓｈｏｐ调度问题，自适应神经网络具有在网络运行过程中神经元的偏置和连接权值自适应取值的特征，被用来救是调度问题的可行解，而启发式算法被分别用来加速神经网络的运行和保证神经网络收敛到可行解，获得确定排序下最优解提高可行解的质量，仿真表明本文提出的混合 策略是快速有效的。     

有时间窗的车辆调度问题的网络启发式算法

本文对有时间窗的车辆调度问题进行了分析，提出了以网络优化为基础的启发式算法，算法中引入重载点，把求解有时间窗的调度问题转化为求解多个有确定开始时间的车辆调度问题，利用最小费用最大流算法求解有确定开始时间的车辆调度问题，再根据检验数来调整开始时间值，并用实例进行了验证。最后对算法的适用性及进一步应用进行了讨论。     

多配送中心物流配送车辆调度问题的分层算法模型

在对多配送中心配送车辆调度问题进行直观描述的基础上,建立了该问题的数学模型,提出了采用聚类分析最短距离分配法将多配送中心车辆调度问题动态地分解为多个单配送中心车辆调度问题进行求解的策略。基于求解单配送中心车辆调度问题的竞争决策算法,设计了多配送中心车辆调度问题的分层算法,并进行了实验计算。计算比对结果表明,用本文设计的算法求解多配送中心物流配送车辆调度问题,不仅可以取得很好的计算结果,算法的计算效率较高,计算结果也较稳定,而且在聚类属性方面具有很好的扩展性。     

考虑行为主体的置换流水车间干扰管理研究

针对置换流水车间计划外新工件到达干扰问题,研究从加工系统参与主体:企业管理者、车间工人和客户三方进行基于前景理论的扰动度量,并建立同时考虑初始成本目标和基于行为运筹扰动目标的干扰管理模型.经分析发现问题复杂度为NP-难,为了弥补单一元启发式算法具有求解性能依赖于初始解的质量以及局部搜索不足等缺陷,从初始解改进和加强局部搜索两个角度,提出一种具有一般通用性的元启发式算法混合策略,分别基于量子计算、粒子群搜索和模拟退火设计了四种具体混合算法.为验证该混合策略的有效性,基于置换流水车间Taillard(Ta)标准测试集设计干扰算例并应用算法进行求解,验证了基于前景理论的扰动度量的优势,通过输出有效前沿多样性和收敛性分析证明了所提算法混合策略求解问题的有效性.     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

求解资源受限项目调度问题的改进粒子群算法

提出了一种求解资源受限项目调度问题的粒子群算法。根据资源受限项目调度问题的特点,依据向量相似度理论建立速度更新模型。在位置更新机制中,根据所谓向量速度和分量速度对粒子的位置进行移动。算法使用一种基于优先权排列的编码方式,该编码方式综合了基于优先权列表和基于排列两种编码方式的优点。采用被普遍应用的PSPLIB标准问题对该算法进行了大量的仿真测试,并与既有粒子群算法和其他智能优化算法进行了比较,结果显示本文所提出的算法对求解资源受限项目调度问题是有效的。     

在轨空间智能制造:分布式调度建模与优化

在轨空间制造系统是在行星大气层外的需要地面工厂、在轨空间工厂、天地运载工具协同的以进行空间设施建造为目标的一类分布式制造系统.分布式调度建模和高效优化求解技术是实现在轨空间智能制造的关键技术之一.本文针对一类具有组件地面分布式制造及运输、地空分批次运输、组件在轨装配等典型特点的在轨空间智能制造系统,将其分解为分布式同质流水线调度,考虑运输时间的同速并行机调度,考虑工件释放时间、机器可用时间、机器处理能力的单机批调度以及考虑组件释放时间、优先约束的单机调度等问题,并基于模型协调思想建立以最小化组件生产到产品装配总时长为目标的分布式多阶段调度模型.进而,将用于求解连续优化问题的易理优化算法扩展到离散调度问题,提出求解该分布式调度问题的基于易理优化的模因算法.基于中规模、大规模算例的仿真结果和算法分析比较表明:相较于粒子群算法、教学算法、水波算法等智能优化算法,所提算法是一种求解分布式多阶段调度问题的可行、有效算法.值得一提的是,这是第一篇关于在轨空间智能制造系统调度优化的研究.