求解多技能人力资源约束的项目调度问题的两阶段算法

针对一类多技能人力资源约束的项目调度问题(PSPMSWC),提出了一种两阶段优化算法,并按算法步骤对模型进行了分解.算法针对分解后的子模型,应用遗传局域搜索及CPLEX优化软件对模型进行求解,并设计了整体迭代求解策略,从而确保所有问题案例都能够进行求解.通过引用基于标准问题库中的典型问题,生成了大量随机算例,并对算法进行了求解实验.实验结果显示,所有案例均能够迅速求解,部分案例可达到最优,从而证明该方法是一种求解PSPMSWC的有效方法,具有较强的实际意义.     

求解多技能人力资源约束的项目调度问题的两阶段算法

针对一类多技能人力资源约束的项目调度问题(PSPMSWC),提出了一种两阶段优化算法,并按算法步骤对模型进行了分解.算法针对分解后的子模型,应用遗传局域搜索及CPLEX优化软件对模型进行求解,并设计了整体迭代求解策略,从而确保所有问题案例都能够进行求解.通过引用基于标准问题库中的典型问题,生成了大量随机算例,并对算法进行了求解实验.实验结果显示,所有案例均能够迅速求解,部分案例可达到最优,从而证明该方法是一种求解PSPMSWC的有效方法,具有较强的实际意义.     

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.     

并行混沌与和声搜索的多目标混合优化算法

针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和声搜索算法的局部搜索能力,并在和声搜索中引入自适应操作,在解决多目标优化问题时表现出良好的搜索速度和收敛性能.对8个多目标优化测试函数的优化计算中,该算法表现出比其它多目标优化算法更好的性能.算法最后用于解决卫星热管设计问题.     

基于模拟退火-单纯形法的模型参数估计研究

针对模型参数估计问题难以准确求解的不足,提出了一种模拟退火和单纯形算法结合的混合优化算法.该算法利用模拟退火的随机全局搜索能力和单纯形算法的确定性多面体搜索策略,把这2种算法进行结构上的组合,通过采用新的反射操作,构成了模拟退火单纯形算法用来求解带有约束的优化问题.对7种测试函数的实验结果表明:该混合优化算法比传统模拟退火算法和单纯形算法有着更好的搜索精度.最后将该算法运用在了模型参数估计问题上,能够准确地辨识出模型参数,证明了该算法在模型参数估计问题中的有效性.     

基于一种新混合群算法(MOHO-SA)的结构主动控制多目标优化研究

基于粒子群(PSO)算法和差分进化(DE)算法提出了一种新的多目标混合群优化算法,对结构主动控制系统的作动器位置、数量与控制器参数进行同步优化.首先,分别采用PSO算法与DE算法进行对应种群的进化,使用庄家法则构造非支配解集,并引入边界点几何中心leader选择机制,同时利用模拟退火算法完成个体进化的二级局部搜索;以随机地震激励下反映结构振动控制效果和控制策略优劣的双指标作为优化目标函数.最后,针对ASCE 9层benchmark模型,采用本文提出的具有二级搜索功能的多目标混合群算法(MOHO-SA)对其主动控制系统进行优化设计,并分别与多目标差分进化算法(MODE)、多目标粒子群算法(MOPSO)、普通多目标混合群算法(MOHA)的优化结果进行对比分析,表明其Pareto解集具有更优的收敛曲线及分布性.     

改进的果蝇优化算法在多目标搜索中的应用

通过对果蝇算法的改进和优化,能够实现在离散环境下的多目标搜索,改善传统果蝇算法单目标搜索存在的不足.首先对传统果蝇优化算法进行研究,再通过混合步长嗅觉的方法进行果蝇算法的重新编码,使其具有多目标最优求解能力,完成对多目标的搜索.通过MFOA算法可以实现对多目标的最优计算,最终完成多目标最优解的计算.结果表明,果蝇优化算法通过混合步长嗅觉的方法可以在多目标搜索当中得到充分应用.     

柔性作业车间调度的动态禁忌粒子群优化算法

针对复杂的多目标柔性作业车间调度问题(FJSP),提出一种基于全知型粒子群优化(FIPS)和动态禁忌搜索(TS)的混合Pareto算法,它在利用FIPS的全局搜索能力确定搜索方向后,通过TS进行有效的局部搜索以提高算法的搜索性能.该算法采用基于强度的适应度函数来评价粒子,以使非劣解均匀分布于Pareto前沿;采用基于公共关键块的多种邻域结构,既保持了种群的多样性,避免算法陷入局部最优,又有效提高了算法的收敛速度.算法中还引入了基于变异的自适应扰动策略来进一步增加解的多样性.对不同规模实例的比较实验表明,文中所提出的算法具有较好的搜索性能,是一种求解大、小规模多目标FJSP的有效算法.     

一种双种群协同多目标粒子群优化算法及应用

针对当前我国油田开采难度大、 经济效益较低等问题, 建立以利润最大化为优化指标, 以年度增油目标、 增液目标、 增注目标为约束条件的多目标油田开采优化模型, 并提出一种双种群协同多目标粒子群优化算法求解该优化模型. 该算法通过双种群协同进化策略扩大搜索空间, 提高算法的全局搜索能力, 并结合Lévy飞行保证种群多样性, 提高算法收敛效率. 实验结果表明, 该算法能有效求解油田开采优化模型, 可优选出满足目标和约束条件的结果.     

考虑成本的资源受限多项目优化调度研究

文章针对资源受限多项目优化调度问题,考虑到多项目调度过程中发生的成本,提出一种综合考虑多项目延迟成本、可更新资源闲置成本和可更新资源转场成本的多项目优化调度模型。该模型理论上实现了多项目在成本目标最小情况下的优化调度方案,设计混合蚁群算法对该模型进行求解,通过实例验证了模型的有效性,结果证明对实际调度有指导意义。