基于文化遗传算法的资源受限项目调度

资源受限项目调度问题作为一类典型的组合优化问题,理论上属于NP难题.本文结合文化算法和自适应遗传算法的优点,提出一种新的智能优化算法--文化遗传算法来求解资源受限项目调度问题.算法设王了两类空间:群体空间和信仰空间.各空间采用不同的自适应遗传算法进行独立进化,进化过程中利用同步式传输方式定期通过接受操作和影响操作来更新信仰空间和群体空间.为避免各空间的局部收敛同题,文中使用正弦函教和余弦函数自适应控制交叉概率和变异概率以保证群体的多样性.通过对标准数据库PSPLIB中的多个问题的仿真,结果表明:此算法在解决资源受限项目调度问题时不仅具有全局收敛性,而且在一定程度上具有较好的收敛速度.     

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。     

基于改进蚁群优化的多目标资源受限项目调度方法

多目标资源受限项目调度是一类典型的NP难组合优化问题,具有广泛的实际应用背景.本文提出了一种带局部搜索的改进蚁群优化算法用于求解多目标资源受限项目调度问题,优化指标为最小化项目工期和资源投资.首先,采用改进的蚁群优化算法获取Pareto解集;其次,通过基于带逻辑约束的Insert和Swap邻域搜索方法对已获得的非支配解进行局部搜索,进一步提高算法的性能;最后,基于PSPLIB国际标准测试集的数值仿真实验与现有最好的算法比较,验证了所提算法的有效性和高效性.     

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.     

复杂时间约束的水利工程项目调度问题研究

水利工程项目的调度属于资源受限的项目调度问题,但现实中这类项目存在着一种复杂的时间约束,即项目中的某些活动在特定时间段内不允许执行.针对这类特殊约束,本文提出了一种新的资源受限项目调度扩展模型,设计了多优先规则的启发式算法进行求解.并在此基础上提出了一种混合遗传算法,构造了新的交叉算子同时结合精英保留和双对齐技术来改善解的质量.最后,用调整后的项目调度问题库(project scheduling problem library)大量实例验证了算法的有效性.     

模糊多目标资源受限项目调度问题的优化方法

设计了一种求解模糊多目标资源受限项目调度问题的遗传局域搜索（GLS）算法,目标是生成近似有效解集以便决策者在决策过程中有更多的选择．算法利用线性加权效用函数将多目标组合优化问题转换为单目标组合优化问题,通过系统的方法生成目标权系数向量,对于每次生成的权系数向量,调用GLS算法求解以极小化效用函数为单一目标的子问题,由此生成的近似有效解集更加具有多样性．实验结果表明：本文算法可以针对多目标资源受限项目调度问题生成较好质量的近似有效解集,在多数指标上优于其它两种对照算法．     

甲供非商品化资源约束下可中断项目群调度模型

不可更新资源的约束会导致项目群中各合同项目开工延误甚至施工中断。针对不可更新资源受限理论研究存在的局限性,开展了多种甲供非商品化资源(NCRPE)约束下可中断项目群调度问题的研究。首先,由于资源分配多样性会给项目群进度造成不确定性影响,围绕项目群工期—延误成本双目标优化模型展开研究,采用改进编码方式的多目标粒子群算法(MOPSO)进行求解,获取项目群的资源分配方案,利用串行调度生成机制(SSGS)得到项目群进度计划;其次,将MOPSO算法和NSGA-II算法进行对比,通过IGD和HV两个指标来衡量MOPSO算法求解该问题的有效性;最后,结合实际案例,对模型进行求解分析。在甲供非商品化资源约束和项目可中断情况下,构建的项目群调度模型能够有效地实现项目群工期和合同项目延误成本的双目标优化。研究成果为业主合理分配NCRPE以及进行项目群调度提供理论依据。     

经济负荷分配问题的闭环文化粒子群算法

结合文化算法的双层进化结构和粒子群算法的局部搜索性能,提出了求解经济负荷分配问题的闭环文化粒子群算法。算法设置了上层的信念空间和下层的群体空间,并利用同步传输方式通过接受操作和影响操作来完成两层空间的交互;各群体空间采用反馈控制的原理对粒子的演化速度进行控制以保持群体的多样性。通过对文献中的3机组6母线和IEEE30BUS经济负荷分配问题的仿真结果表明,闭环文化粒子群算法有更好的收敛性能和更快的收敛速度。     

一类局域性多技能资源受限项目调度的新算法

多技能资源受限项目调度问题(简称MS-RCPSP)是项目管理中颇具代表性的调度问题,一般性问题以“资源全局受限”为特征.本文从新视角,针对实际中广泛存在的资源局域受限情况,以及反应性和应急性等情况,研究局域性MS-RCPSP;并重点考虑一类典型问题:项目某部分的平行活动,可用的资源量极少,甚至为1,但具备各活动所需技能,且可重复使用,需安排该资源顺序完成这一众活动,使项目工期最小化.虽是局域性调度,但项目系统性使其“牵一发而动全身”,难度可能不亚于全局性调度.本文从探索问题“局域性”特征入手,量化局域调度导致的项目工期延迟,并发展整数线性优化强对偶理论,结合Dantzig-Wolfe分解法,开发出伪多项式时间精确算法求解该问题;通过仿真模拟测试,验证该算法计算大规模问题案例精确解的优势.     

资源受限项目组合选择及调度的双层决策方法

在资源受限条件下,综合考虑项目选择与项目调度,以最大化项目组合收益为目标函数,建立了一般化的资源受限项目组合选择及调度问题的数学模型。针对问题特性,设计了双层决策方法用于求解该问题。上层决策采用改进的蚁群优化算法求解项目组合选择问题,下层决策则采用基于优先规则的多项目调度启发式算法。采用实验设计方法系统生成24个项目组合选择与调度问题实例,对算法效果进行了对比检验。结果表明:所设计的双层决策方法对于项目组合选择及调度问题具有较好的求解效果;所建立的数学模型与解决方案能够为决策者提供平均收益更高的项目组合。     

交互式多智能体进化算法及其应用

将多智能体技术应用于交互式进化计算领域，提出一种新的交互式多智能体进化算法。该方法让固定在网格上的相邻智能体之间展开竞争和熏优智能体本身的自学习，来提高智能体的能量，从而使得算法获得较强的全局收敛能力和局部搜索能力。算法以较快的进化速度收敛，并且用户每次只需要选择2个左右最感兴趣的个体，使得评价具有易操作性和轻松性，从而有效缓解用户的疲劳。服装设计的仿真实验证了算法的可行性和有效性。     

多智能体量子多目标进化算法及其在EELD问题中的应用

环境经济负荷分配问题是电力系统中重要的多目标优化问题。求解多目标优化问题的关键在于找到尽可能多的Pareto最优解。在基于量子进化理论,智能体的竞争、学习能力和生物的进化策略的基础上,提出了一种用于求解多目标优化问题的量子编码的多智能体进化算法。该方法将智能体分布在多智能体网络环境中,智能体之间通过量子进化来生成问题的可行解。将该算法应用于经济环境负荷分配的两目标(燃料成本和NOx排放)与三目标(燃料成本,NOx排放和SO2排放)优化问题,通过与经典多目标优化算法进行比较,表明了该算法的有效性。     

基于EWA学习的共享资源捐赠习俗演化仿真研究

针对个体策略学习可能对共享资源捐赠习俗演化路径产生影响,提出用EWA学习模型刻画个体在现实场景下的策略调整过程,建立多个体EWA学习的演化博弈模型,并基于EWA学习给出算法流程,进行计算机仿真实验。仿真结果表明,在EWA学习支配下,随着迭代期次的增加,供给策略对个体的吸引度越来越大,个体的平均支付及联合支付也相对较高,能够克服共享资源供给上的囚徒困境,使共享资源捐赠习俗发育成为可能。     

基于量子多目标进化算法的多任务Agent联盟生成

多Agent联盟生成是多Agent系统的关键问题之一, 主要研究如何在多Agent系统中动态生成面向任务的最优联盟. 为使Agent能稳定的组织起来完成单Agent不能完成的任务并在成本、资源、利益等方面达到一个良好的平衡性能并达到全局最优, 提出了联盟多目标综合评价模型, 并将量子进化多目标算法应用于多目标多任务Agent联盟问题, 运用编码的映射, 将资源组合和任务分配合并为一个过程, 降低了问题的复杂性. 对比实验结果表明该算法求得的解的质量高, 平衡性好, 能有效避免了联盟死锁和资源浪费.     

遗传算法全局收敛性的齐次有限马尔柯夫链分析

论证了遗传算法（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ,ＧＡ）过程是一个齐次有限马尔柯夫链,通过巧妙地构造ＧＡ 的马尔柯夫链的状态空间,并对其转移概率矩阵进行极限分析,得到的简单遗传算法（Ｓｉｍ ｐｌｅ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ,ＳＧＡ）不是全局收敛的,最优保存简单遗传算法（Ｍａｉｎｔａｉｎｉｎｇ Ｏｐｔｉｍ ｕｍ Ｓｉｍ ｐｌｅ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ,ＭＯＳＧＡ）是全局收敛的结论。     

多目标进化计算收敛到Pareto最优解集的证明

多目标优化方法经历了一个从确定性搜索算法到随机搜索算法的过程 ,本质上仍是单目标优化的目标组合方法到真正意义上的向量优化方法的过程 ,至今仍在不断地发展中 ,但仍有大量未解决的问题。对多目标进化计算的研究是近年来求解多目标优化问题的重点 ,但目前仍未能证明多目标进化计算的收敛性 ,同时 ,单目标进化计算的收敛性结论不一定能推广到多目标的情况。对该问题进行了探讨 ,提出并证明了三个定理 ,并且算例说明了该理论的正确性。     

MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient,MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system,MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法.分析算法框架及训练方...     

机车二系弹簧载荷调整混合算法优化方法

针对机车二系弹簧支承载荷均匀性分配调整的复杂多变量优化问题，提出了综合运用遗传算法（GA）和蚂蚁算法（AA）的混合优化调整算法模型。该算法模型首先采用GA进行全局快速随机搜索，获得若干候选的近似优化解，以此生成蚂蚁算法初始信息素分布，再用AA求得全局优化精确解。论文给出了混合算法模型的设计。对SS3b和SS9机车的仿真计算结果表明，该方法应用于二系调簧的多维连续性空间优化问题，可获求解性能和时间效率的综合提高。     

基于多智能体系统的协同交互式进化计算模型

协同交互式进化计算由于缺乏通用模型而限制了其应用范围。针对该问题，结合多智能体系统结构的灵活性和异构特点，提出基于多智能体系统的协同交互式进化计算模型。模型由交互式进化计算单元和协同单元构成，并给出了每个部分的详细功能描述。采用面向智能体的程序设计方法，提取不同功能组件，给出相应组件的语义描述及派生关系。以网络环境下的服装设计系统为例，给出系统结构及组件派生实例。结果表明该模型的合理性，为协同交互式进化计算的广泛应用奠定了基础。     

一种求解整数-非线性规划问题的演化算法

混合整数非线性规划问题为一类富有挑战性的难解问题。本文设计一个混合演化算法求解混合整数非线性规划问题，对于不同变量分别使用二进制和实数编码策略，将约束优化问题转换为多目标优化问题。数值实验验证了算法的有效性、稳健性和通用性。