基于混合蚁群算法的产品开发过程优化方法

通过对迭代产品开发过程的分析,提出了将产品开发过程中设计活动被首次访问视为TSP问题中蚂蚁访问城市的思想,将Markov 过程建模方法与基本蚁群算法相结合,建立了混合蚁群算法对产品开发过程进行优化求解.示例表明该方法成功地将蚁群算法扩展到复杂产品开发过程优化问题,在考虑设计迭代以及设计活动完成时间服从任意分布的情况下,建立了产品开发过程优化模型,为该类问题的求解提供了一个新的思路和方法.     

采用混合单亲遗传算法求解一类资源-时间优化问题

针对资源有限最短时间的一类资源 -时间优化问题 ,提出了混合单亲遗传算法进行求解 .作为一类 NP完全问题 ,该问题求解难度相当大 ,尤其问题规模大时寻找最短时间优化解就更困难 .针对问题的特点本文引入的算法结合了启发式规则 ,给出了算法全局收敛的理论分析 ,并给出实际应用表明该算法的有效性.     

建筑工程设计过程规划研究

基于信息流的模糊设计结构矩阵,以矩阵形式建立建筑工程设计过程的动态模型并进一步提出了一种建筑产品开发过程优化重组的方法.对其模型进行研究,从而得出一个可控制的,更加有效的设计过程.     

多执行模式资源受限工程调度问题的优化算法

近几年来,模拟退火（ＳＡ）和遗传算法（ＧＡ）等智能优化方法在求解组俣最优化问题显示出了较强的能力,许多文献报告了它们在这类问题上的应用,有些文献则报告了一些它们的混合算法,然而,定些算法对问题的求解效果因问题的结构不同而有限大差异,它们的成功必须充分结合问题本身的特点,本文针对多执行模式资源受限工程调度问题的特点,设计了一种ＳＡ／ＧＡ混合算法,利用被普遍应用的标准问题对该算法进行了测试,取得了令人满意的结果。     

基于DSM返工风险评价矩阵的项目优化与仿真

针对项目中活动返工的不确定性,由返工概率矩阵和返工影响强度矩阵共同构成了DSM返工风险评价矩阵,提出了基于返工风险的遗传算法(Rework risk GA,RRGA),同时考虑返工风险、反馈个数、反馈距离及活动的时间和费用建立了DSM优化目标函数,改进了传统遗传算法的变异算子和变异概率.通过对典型案例进行优化及其结果的仿真,验证了RRGA算法可明显降低返工导致的项目费用和时间,并降低其结果的波动性.     

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.     

基于返工风险传播和预处理的研发项目流程DSM优化

为分析产品开发过程中的迭代对研发项目时间和成本的影响,本文首先研究了返工变更的传播过程,在直接返工概率和间接返工概率的基础上建立了返工因子设计结构矩阵(DSM),分析了返工变更传播和返工时间、范围对返工风险的影响.然后,提出采用返工预处理的方法降低返工影响强度,构建了预处理后的返工影响强度计算模型.进一步,基于返工预处理和返工因子DSM构建了项目净收益模型,并以项目净收益最大化作为流程DSM优化目标.最后,通过案例验证了本文提出的模型,优化与仿真结果表明采用本文提出的方法可有效控制返工风险.     

基于遗传算法优化模糊对模型参数的算法设计及仿真

改进了Takagi-Sugeno型模糊树模型的反向传播学习参数的方法，提出基于GA的一套完整，系统的优化模糊对模型参数的算法，其关键是选择确定祖先节点a的方式和选择哪些变量作为染色体基因，对国际标准例题的仿真表明，该方法对算法初始值的选择不敏感，能显著提高模糊树模型的建模精度，在相同模型精度条件下，则可简化样本空间的划分，降低模型的计算量。     

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.     

基于活动重叠的DSM项目时间计算及排序优化

研发活动之间常存在顺序重叠和反馈重叠,重叠并行性会加快项目的进度,但又存在返工风险.为此,采用设计结构矩阵(DSM)信息输出和信息输入时间因子矩阵及返工风险矩阵,以更完整地描述活动重叠及其对返工的影响.提出了基于顺序重叠的项目持续时间计算方法和基于反馈重叠导致的返工时间计算方法.针对某案例活动排序优化问题,采用遗传算法以基于重叠的时间计算模型为目标函数进行优化,项目的持续时间和返工时间得到了明显的降低.     

基于DSM的研发项目流程多目标仿真优化

分析了复杂产品研发项目中流程结构的不确定性,采用设计结构矩阵对其进行仿真建模,并将设计结构矩阵调度策略嵌入仿真模型,建立了同时最小化项目工期和成本的多目标优化模型.提出了一种基于设计结构矩阵仿真与非支配排序遗传算法的混合优化算法,获取研发项目流程多目标优化的Pareto最优解.以某飞机初步研制项目流程为研究算例,验证了混合优化算法的可靠性和有效性,并对获得的最优流程结构进行了深入的仿真评价与分析。     

基于赋时有色Petri网的测试系统资源优化方法

提出采用赋时有色Petri网(TCP-net)对测试流程进行建模,用来优化自动测试系统的资源配置.给出了测试流程TCP-net模型的构建步骤;基于模型,给出了寻求测试流程最短测试用时的方法,并设计了求解最短测试用时下最小资源集的算法:基于空闲区匹配的最小资源集算法;通过给出一个应用实例,证明了上述方法的有效性和实用性.     

基于MEC的任务卸载和资源分配联合优化方案

面对时延敏感度不同的多种用户,如何有效利用频谱资源和计算资源受限的边缘节点来保障其时延能耗需求成为关键问题。为此,提出了基于移动边缘计算(mobile edge computing, MEC)的任务卸载和资源分配联合优化方案。首先,为最小化卸载任务在MEC的总计算时间,给每个用户分配最优的MEC计算资源。其次,基于时延敏感度、用户满意度和资源块(resource block, RB)质量,引入RB分配算法,以分布式执行。最后,用户通过比较本地计算开销和卸载计算开销做出卸载决策。仿真结果表明,所提算法在满足高时延敏感用户的需求前提下,通过有效地分配传输资源和计算资源,实现了最小的系统开销。     

天基预警调度的启发式优化方法

天基预警过程可以看作一种多维离散时间序列监控与预测问题,其调度的决策要素、优化目标和约束条件较多,故往往采用智能优化算法求解该非线性优化问题.而它们在指定时间内却是概率性收敛到Pareto解集.对此,提出基于贝叶斯方法提供多类别决策树挖掘调度中的启发信息,以及引入局部搜索算子等方法提高智能优化算法的快速性和鲁棒性.预警仿真实验表明融入上述方法的免疫克隆选择算法收敛性能提高了10.1%,遗传算法提高了9.8%.     

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.     

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。     

基于碳足迹的虚拟化实验室虚拟机资源分析与优化

从降低电能消耗的视角,分析基于虚拟化技术的高校实验室存在不必要的虚拟机更新操作与虚拟化资源分配不均匀产生能源消耗问题.提出了一种虚拟机资源优化模型,通过资源占用当量平均分布函数、虚拟机更新适应度函数优化虚拟机的更新操作,从而降低计算资源开销.模拟实验与分析证明,优化的资源当量分布趋于均匀,提高了计算资源的使用效率.     

一种快速生成DSM的不规则三角网构网新方法

针对目前存在的不规则三角网(triangulation irregular network, TIN)构网效率较低的问题提出了一种新的生成数字表面模型(digital surface model, DSM)的构网方法。首先,通过建立虚拟格网和格网插值,在线性时间内快速建立初始三角网。然后,对初始三角网中局部少量数据优化得到最终的TIN。最后,对数据进行冗余处理和密集处理,构造高分辨率的DSM。实验结果表明,该算法的构网效率高于当前存在的TIN构网方法,对于大数据量的DSM生成具有良好的适用性。