基于粒子群的多目标多执行模式项目调度

聚焦多目标多执行模式特点下的项目调度问题,通过建立工期、费用、资源和质量多目标函数,构建综合优化模型,同时运用粒子群算法解决工程项目多目标多执行模式优化问题.最后,通过一个应用实例计算,表明粒子群算法可以准确快速地解决该模型下的工程项目多目标优化问题,达到了项目调度中面对不同模式进行抉择,并且缩短工期、减少成本、均衡资源以及提升质量的综合的理想效果.     

资源受限项目调度模型的施工进度管理

综合资源受限项目调度问题的研究和实际建设工程项目施工进度管理的需求,提出广义优先关系下的差分进化人工蜂群算法的资源受限项目调度模型.其中差分进化算法用于处理交叉变异问题,人工蜂群算法用于处理寻优过程的各阶段推进,并以广义优先关系串行调度产生方案获得的总工期作为适应度值确定优先级编码.根据实际工程项目的应用进一步提出由逆向反推计算关键路径、关键任务的资源及历时优化、非关键任务的资源均衡等组成的资源约束进度管理方法.在eclipse环境下用Java语言进行编程,快捷准确地获得进度和资源相关的资源约束进度计划、约束资源分布情况,以及资源与工期的优化方案.     

基于粒子群算法的多项目资源均衡方法研究

针对传统粒子群算法容易陷入局部最优的缺点,提出利用动态惯性权重参数和模拟退火算法修改突变概率,进而改进传统粒子群算法,探讨各项目工期最短情况下的多项目资源均衡分配问题。通过对比试验表明,改进的粒子群优化(particle swarm optimization,PSO)算法很好地实现了多项目的资源均衡优化,通过同比试验验证了改进PSO算法在解决不同规模多项目的资源均衡问题时的算法时间复杂度的线性增长性,很好地表达了人们的调度意图。     

求解调度问题的粒子群算法编码方法研究

利用粒子群算法求解调度问题的关键是建立有效的粒子编码结构.介绍了作业车间、流水车间和并行机调度等3类典型调度问题的特点,阐述了求解调度问题的粒子群算法结构,指出设计粒子群算法编码方法需要考虑的3个关键问题.提出3种求解不同调度问题的粒子群算法编码方法,并从生成调度解的可行性和有效性、粒子群计算模型的适用性和解码过程的复杂性等几个方面对粒子编码方法进行分析.以作业车间调度问题为例,验证了所提粒子编码方法的有效性.     

并行粒子群算法及其在水库群优化调度中应用

根据混联梯级水电站优化调度特点,建立并行粒子群算法求解多阶段最优化问题数学模型,重点研究了粗粒度并行粒子群算法.在基于单向环结构交流局部最优解的并行粒子群算法( PPSO)研究的基础上,提出了基于处理机上局部最优解间距离自适应选择信息交流对象策略的PPSO.应用开发的分布式水库群优化调度并行计算系统,将上述两种策略的P...     

基于竞争粒子群算法的云计算资源调度策略

针对大规模云计算环境下的资源调度问题,提出了改进的竞争粒子群优化算法,以提高云计算资源调度效率.基于多目标综合评价模型,首先建立包含任务完成时间、功耗以及负载均衡度的适应度函数,再利用混沌优化方法产生分布更加均匀的初始化粒子,引入自适应概率的高斯变异对胜利粒子位置进行更新,以提高种群多样性并增强全局搜索能力.仿真试验表明,在相同的条件下,本文算法能够寻到最佳的调度方案,适用于大规模资源调度,且结果优于对比模型.     

应用禁忌粒子群算法的车间调度及其并行化实现

为了解决批量生产、制造、装配等车间调度问题,基于Hadoop集群,提出应用禁忌粒子群算法的车间调度及其并行化实现.以某装载机制造车间最小化完成时间为目标,通过使用禁忌粒子群算法对车间调度问题进行求解.结果表明：在车间批量大的情况下,禁忌粒子群算法可得出有效的调度方案,避免算法陷入局部最优解.与现有的智能算法相比,禁忌粒子群算法更有利于实现全局最优解.     

基于改进量子粒子群算法的云计算资源调度

资源调度优化是云计算系统应用中的关键技术,针对标准量子粒子群优化算法收敛速度慢、求解效率低的缺陷,提出一种基于改进量子粒子群算法的云计算资源调度方法。首先在分析云计算资源调度研究现状的基础上,建立了相应的数学模型,然后采用量子粒子群优化算法对其进行求解,在求解过程中,对平均最优位置进行随机扰动,协助粒子逃离局部最优解,最后采用通过仿真实验对其性能进行分析。结果表明,该文方法可以有效提高云计算资源的利用率,保证它们之间负载均衡,具有较好的应用价值。     

一种用于云计算的数据容灾分配算法的改进

在云计算环境下进行数据容灾分配,可以提高云计算数据资源调度能力。传统算法采用粒子群数据聚类方法进行数据的容灾分配,数据负载均衡差,同时消耗数据任务调度的吞吐率。提出一种新的数据容灾分配改进算法。首先建立云计算环境下数据容灾分配层次结构模型,计算整个数据资源处理平台的整体响应时间,将云计算下的数据资源容灾分配优化问题转化为数据资源分配响应时间最小化问题;利用多用户QoS开销适应度运算机制和粒子群聚类算法对云计算中数据资源任务进行权衡分配,减少数据权衡调度时间,提高数据容灾备份能力。实验结果表明,采用改进算法可以提高数据容灾分配时数据的召回率和云计算数据任务权衡调度能力,在云计算信息处理中具有较好的应用价值。     

基于粒子群优化算法的集群调度策略

针对集群调度问题的特点,设计了基于粒子群优化算法的调度策略.与传统backfill算法相比,粒子群优化算法对作业比较公平,能避免对大作业响应慢的缺点,使得调度策略在生成速度和精度上都有明显的提高.实验结果表明,该调度策略能较好地提高CPU利用率和缩短作业平均响应时间.     

Hybrid particle swarm optimization for solving resource constrainted FMS

In this paper, an approach for resource-constrained flexible manufacturing system （FMS） scheduling was proposed, which is based on the particle swarm optimization （PSO） algorithm and simulated annealing （SA） algorithm. First, the formulation for resource-constrained FMS scheduling problem was introduced and cost function for this problem was obtained. Then, a hybrid algorithm of PSO and SA was employed to obtain optimal solution. The simulated results show that the approach can dislodge a state from a local minimum and guide it to the global minimum.     

基于PSO算法的结构损伤检测研究

结构损伤检测问题常常可转化为数学上的约束优化问题。采用粒子群算法（PSO）求解约束优化问题。可求解结构损伤检测问题。首先介绍基本粒子群算法，然后建立结构损伤检测问题的数学模型，采用悬臂梁单损伤和多损伤的数值仿真研究，验证了粒子群算法求解结构损伤检测问题的可行性，最后针对实际结构振型测试时振型的非完备性，直接利用非完备振型，求解损伤检测问题，数值仿真结果表明，利用非完备振型，仍可得到较好畴检测结果。     

求解约束优化问题的微粒群算法

微粒群算法(简称PSO算法)是一种新型的进化计算方法,已在许多领域得到了非常成功的应用。本文以约束优化问题为对象,首先介绍了采用罚函数法将约束优化问题化为无约束优化问题,和将约束优化问题转化为minmax问题,然后对无约束优化问题和minmax问题,采用PSO算法进行进化求解;在此基础上,以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法。仿真实验结果验证了方法的正确性与有效性。     

作业时间依赖资源分配决策的项目调度问题建模与算法

针对实际问题的需求,提出了作业时间依赖资源分配决策的项目调度问题.以最小化项目工期为目标,建立了作业时间与资源分配量呈函数关系的资源受限项目的调度模型,提出了基于1-opt及2-opt局部搜索的遗传算法以提高算法的求解质量,分析了2-opt局部搜索中的作业组合情形,归纳与证明了不同作业组合调整与问题目标之间的关联性质,在此基础上建立了选取有效作业组合的方法,以提高算法在局部搜索求解中的效率.数据实验结果表明,所提算法相较于现有算法,其求解的质量和速度均具有优越性.     

多模式下装配式建筑工程资源受限调度方法

针对以往装配式建筑调度研究中,主要基于一个活动只有一种固定资源投入和固定工期的执行模式,而实际调度过程中多种资源投入和不同工期的多种执行模式普遍存在的问题,以及装配式建筑一体化建造建模方法的不足,建立以装配空间工期最短,以及在装配空间工期最短限定下的生产空间工期最短的多模式资源约束模型,在该多维空间调度模型的基础上,设计了一种搜索能力强、能有效求解该问题的布谷鸟算法(CS)。最后通过装配式建筑项目实际案例分析和遗传算法(GA)的性能对比,证明本文构建的调度模型和算法设计能有效的解决多模式下装配式建筑工程资源受限调度问题,丰富了装配式建筑项目调度这一领域的理论方法。     

基于遗传算法的高校排课数学模型

排课问题是一个有约束、多目标的组合优化问题,并且已经被证明是一个NP完全问题。针对高校排课过程中存在诸多约束因素的问题,提出将遗传算法与约束条件算法相结合的排课算法,由约束条件算法确定排课任务的优先次序,遗传算法解决单个排课任务时间片分配的优化问题。实验结果表明,该算法能够改进算法性能,提高排课效率。     

集装箱码头班轮船期准班率的优化

为提高集装箱码头班轮船期准班率,提出基于动态泊位分配的优化数学模型.在考虑桥吊分配前提下,该模型以船舶离港实际开航时间与船期表要求开航时间的平均绝对时间差最小为优化目标,分别应用微粒群算法(PSO)和遗传算法(GA)求解该数学模型.仿真结果表明:两种算法均可使船期延误时间减少40%;PSO算法较GA算法具有更快的收敛速度.     

基于两层混合遗传算法的lT外包进度风险控制

针对IT(information technology)外包项目的两层进度风险控制优化问题,设计了两层混合遗传算法.该算法是在传统遗传算法中引入模拟退火和自适应机制,并结合优化问题的两层特点而设计的,能够克服传统遗传算法易于早熟、局部搜索能力较差的弱点.在算例分析中,首先分析了两层数学模型在IT外包项目进度风险控制中的管理意义,进而将两层混合遗传算法的仿真结果与两层粒子群优化算法和传统遗传算法的仿真结果进行比较,验证了改进算法的效率和有效性.     

基于改进的粒子群算法求解0/1背包问题

本文尝试把粒子群优化算法应用于0/1背包问题中,对算法模型进行适当的修改,并采用以目标函数加约束惩罚函数作为适应度函数的方法,仿真实验表明:粒子群算法在求解背包问题上结果良好。