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.     

一种求解资源受限工程调度问题的遗传算法

针对资源受限工程调度问题的特点，设计了一种改进的遗传算法，对算法的编码方式和解码规则，适值函数，遗传算法、初始种群的产生方法进行了详细的说明，利用被普遍应用的标准问题对该算法进行了大量的测试，分析了算法参数和问题参数对算法效果的影响，取得了令人满意的结果。     

基于蚁群优化的置换流水车间调度算法

针对置换流水车间调度问题,提出了一种基于蚁群优化的调度算法.该算法的要点是将NEH启发式算法和蚁群优化结合起来:首先,将蚁群优化中的能见度定义为NEH中所用的工作加工时间之和.其次,对于部分解采用了NEH中的步骤2和步骤3进行局部调整.最后,对构造出的解做插入型局部搜索.用所提算法对置换流水车间调度问题的基准问题进行了测试,测试结果表明提出算法的有效性.     

网络化制造模式下基于改进蚁群算法的供应链调度优化研究

为制定网络化制造（networked manufacturing,NM）模式下供应链合作成员间的动态调度策略,构建了由制造商、协同设计商以及客户组成的三层动态调度模型;在生产能力约束、多目标优化约束等制约因素下,采用时间函数、成本函数和延期惩罚函数三个目标函数对调度问题进行描述;使用改进蚁群算法（improved ant colony optimization algorithm,IM-ACO）,对调度路径可行解节点添加不同的信息素,并将信息素浓度约束在τ_min和τ_max之间,使得供应链客户个性化需求服务、运作时间、成本等综合收益达到最优. 实例仿真表明本文提出的动态调度优化算法求解具有较快的搜索速度、收敛性好,算法具有较好的稳定性;同时,也表明本文构建调度模型合理,可以为实际生产调度提供优化的策略.     

Improved differential evolution algorithm for resource-constrained project scheduling problem

An improved differential evolution (IDE) algorithm that adopts a novel mutation strategy to speed up the convergence rate is introduced to solve the resource-constrained project scheduling problem (RCPSP) with the objective of minimizing project duration. Activities priorities for scheduling are represented by individual vectors and a serial scheme is utilized to transform the individual-represented priorities to a feasible schedule according to the precedence and resource constraints so as to be evaluated. To investigate the performance of the IDE-based approach for the RCPSP, it is compared against the meta-heuristic methods of hybrid genetic algorithm (HGA), particle swarm optimization (PSO) and several well selected heuristics. The results show that the proposed scheduling method is better than general heuristic rules and is able to obtain the same optimal result as the HGA and PSO approaches but more efficient than the two algorithms.       

基于IP-ACO算法的航天器测控资源调度技术

采用多目标蚁群优化算法对航天器测控资源调度问题进行研究。在分析中低轨道航天器测控特点的基础上,综合考虑包括测控时间窗口约束和设备切换时间约束在内的多类复杂约束条件,建立多目标航天器测控资源调度模型。在Pareto蚁群优化算法的基础上,引入蚁群社会中的分工协作思想并构建测控任务时间约束有向图,设计基于任务选择期望的状态转移规则和基于自适应网格技术的权重更新策略,从而提高算法求解性能。仿真实验结果表明该方法能有效解决多目标航天器测控资源调度问题。     

一种随机蚁群算法求解连续空间优化问题

通过将蚁群优化算法(ant colony optimization,ACO)与一种随机优化方法———Alopex算法相结合,提出一种随机蚁群混合算法(AACO)求解连续空间优化问题。该算法定义了蚁群在连续空间中的寻优方式以及新的信息素更新规则,并在局部搜索过程中嵌入改进的Alopex算法以提高搜索效率,有效地避免了优化算法陷入局部最优。基于多极值函数和非线性连续函数的仿真实验表明,该算法简单高效,具有良好的寻优性能。     

基于蚁群优化算法的0-1背包问题求解

蚁群优化算法在求解旅行商问题、指派问题、Job-shop调度问题和网络路由问题等获得了极大的成功．将蚁群优化算法应用于0—1背包问题，首先将0—1背包问题表示成相应的构造图，并针对该图设计了两个状态转移公式，蚂蚁根据这两个状态转移公式在带权图中移动直到死亡．此时，蚂蚁所走过的路径即构成背包问题的一个可行解．仿真实验对该算法的参数进行了讨论，再与遗传算法进行比较，结果显示该算法具有较高的性能．     

一种改进的粗粒度并行蚁群算法

蚁群算法是一种模拟进化算法,具有很强的全局搜索能力。提出了一种基于粗粒度模型的并行蚁群算法,该算法采用了一个新的信息素更新策略———Ant-proportion,这种新的更新策略是综合考虑全局和局部信息,依据蚂蚁在搜索过程中所得到的路径的优劣程度和路径中各路段对其贡献的大小来分配信息素增量;另一方面,该算法采用的粗粒度模型充分利用了蚁群算法内在的并行性,使得算法具有更快的收敛速度和更好的优化质量。最后,选用了CHN144问题对该算法进行了检验,算法求得的最优路径优于已知的最优结果。     

基于随机活动工期的资源约束项目鲁棒性调度优化

项目进度计划的鲁棒性对于不确定条件下项目的顺利实施具有重要影响. 作者研究具有随机活动工期的资源约束项目鲁棒性调度问题, 目标是在可更新资源和项目工期约束下安排活动的开始时间, 以实现项目进度计划鲁棒性的最大化. 首先对所研究问题进行界定并用一个示例对其进行说明. 随后构建问题的优化模型, 设计禁忌搜索、多重迭代和随机生成三种启发式算法. 最后在随机生成的标准算例集合上对算法进行测试, 分析项目活动数、 项目工期和资源强度等参数对算法绩效的影响, 并用一个算例对研究进行说明, 得到如下结论: 禁忌搜索的满意解质量明显高于其他两种算法; 当资源强度或项目工期增大时, 平均目标函数值上升, 禁忌搜索的求解优势增强. 研究结果可为不确定条件下项目进度计划的制定提供决策支持.     

一种机器人路径规划的蚁群算法

提出一种机器人路径规划的蚁群算法,该算法引入信息素限定和自适应信息素挥发系数的方法解决蚁群算法应用中的停滞现象和搜索能力的问题。算法仿真研究中发现了算法的收敛速度和环境地图建模的方式有密切关系,提出栅格地图模型的坐标变换法,提高了算法的运行效率。比较仿真实验结果证实了本算法的有效性和快速性。     

基于改进蚁群算法设计的敏捷卫星调度方法

敏捷卫星与传统非敏捷卫星相比,增加了俯仰和偏航两个自由度,提升了卫星的成像能力,也加大了搜索空间,使敏捷卫星的调度问题变得更加复杂,组合优化难度加大. 蚁群算法是可有效求解敏捷卫星调度问题的方法之一. 针对蚁群算法优化性能严重依赖于算法参数以及各个组件的设计的问题,提出利用均匀设计的方法优化组合算法的各个组件,设计出能有效求解敏捷卫星调度问题的蚁群算法. 利用7 个不同规模的实例进行实验,实验结果表明了方法的有效性.     

Bayesian network learning algorithm based on unconstrained optimization and ant colony optimization

Structure learning of Bayesian networks is a wellresearched but computationally hard task.For learning Bayesian networks,this paper proposes an improved algorithm based on unconstrained optimization and ant colony optimization(U-ACO-B) to solve the drawbacks of the ant colony optimization(ACO-B).In this algorithm,firstly,an unconstrained optimization problem is solved to obtain an undirected skeleton,and then the ACO algorithm is used to orientate the edges,thus returning the final structure.In the experimental part of the paper,we compare the performance of the proposed algorithm with ACO-B algorithm.The experimental results show that our method is effective and greatly enhance convergence speed than ACO-B algorithm.     

活动成本目标MMRCPSP并行调度方案

给出了考虑可重用资源约束的活动成本目标多模式资源受限工程调度问题的数学模型,结合多模式问题的特性给出了并行调度方案,提出了一种活动—模式联合调度策略,并设计了模式的优先调度规则,其中考虑了活动先序相关成本因素,包括悲观的先序相关成本因素、乐观的先序相关成本因素和折衷的先序相关成本因素。基于改造PSPLIB的算例测试表明,在考虑折衷的先序相关成本因素时所取得的计算效果相对较好,可以在现实工程调度中作为主要优先规则来使用。     

基于蚁群优化的贝叶斯网络学习

针对贝叶斯网络学习中的混合算法容易缩小搜索空间,同时易陷入局部最优等缺点,提出了基于蚁群优化的贝叶斯网络学习算法。首先应用最大最小父子节点集合算法(max min parents and children, MMPC)来构建无向网络的框架,然后利用蚁群优化算法进行评分〖CD*2〗搜索,通过平衡“开发”和“探索”力度来修补搜索空间并确定网络结构中边的方向。最后应用本算法学习逻辑报警还原机理网（a logical alarm reduction mechanism, ALARM),结果显示本算法减少了丢失边的数量,得到了更接近真实结构的贝叶斯网络。     

基于改进蚁群算法的敏捷成像卫星任务调度方法

针对敏捷成像卫星观测任务调度问题, 综合考虑卫星最长连续工作时间、任务间卫星姿态调整时间、能量、容量等约束建立了任务调度模型. 考虑到密集任务间的相互影响, 着重分析了任务间卫星姿态调整时间约束, 并给出调姿时间求解方法. 提出一种改进蚁群算法对问题进行求解, 借鉴蚁群系统(ACS)和最大最小蚂蚁系统(MMAS)的思想设计寻优策略和信息素更新策略. 并结合实际约束, 引入最早、最晚可观测时间和任务优先级等因素来控制转移概率. 实验算例验证了模型和算法的有效性.     

带有活动重叠的资源受限项目调度问题建模与求解

在新产品研发项目中,常常通过活动重叠缩短工期,但是重叠会带来返工风险,进而造成额外的时间和资源的消耗.将活动重叠分为自然重叠和强制重叠,采用设计结构矩阵、紧前重叠活动时间因子矩阵、紧后重叠活动时间因子矩阵和重叠返工影响矩阵量化重叠返工对时间和资源的影响.以最小化研发项目工期为目标,建立了带有活动重叠的资源受限项目调度问题优化模型,并设计了改进的遗传算法进行求解.该算法采用基于优先规则的编码机制,并将考虑活动重叠的进度生成机制作为解码方法.实例研究结果表明,提出的考虑活动重叠的模型与算法,不仅可以缩短项目工期,而且同时使项目资源的使用更加均衡.最后在随机生成的算例集合上测试了算法的有效性.     

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．     

Weapon target assignment problem satisfying expected damage probabilities based on ant colony algorithm

A weapon target assignment （WTA） model satisfying expected damage probabilities with an ant colony algorithm is proposed. In order to save armament resource and attack the targets effectively, the strategy of the weapon assignment is that the target with greater threat degree has higher priority to be intercepted. The effect of this WTA model is not maximizing the damage probability but satisfying the whole assignment result. Ant colony algorithm has been successfully used in many fields, especially in combination optimization. The ant colony algorithm for this WTA problem is described by analyzing path selection, pheromone update, and tabu table update. The effectiveness of the model and the algorithm is demonstrated with an example.     

带时间窗车辆路径问题的量子蚁群算法

带时间窗的车辆路径问题(VRPTW)是VRP的一种重要扩展类型, 是组合优化中的一个NP难题, 针对蚁群算法在求解VRPTW问题时易陷入局部最优和收敛速度慢的问题, 本文结合量子计算提出一种求解VRPTW的量子蚁群算法(QACA). 通过定义人工蚂蚁的转移概率, 增加量子比特启发式因子, 以及用量子旋转门实现信息素更新, 从而提高算法的全局搜索能力, 有效避免了算法陷入局部最优. 经一系列VRPTW的仿真实验表明, 量子蚁群算法较蚁群算法在求解VRPTW问题上具有更好的性能, 通过与其他算法的比较, 进一步说明量子蚁群算法是可行有效的.