基于DQN的机场地服人员动态排班研究

针对在繁忙机场的地面服务人员动态排班问题,提出一种基于深度Q网络(DQN)的排班方法．首先以最大化任务执行率和最小化员工工作时间作为目标,建立了优化模型;然后根据目标提出了两种不同的排班方法,进而采用DQN算法,根据生成的航班动态数据,提取6个状态特征作为网络的输入,并拟定合适的奖励机制,使得训练后的模型能够动态地选择最好的分配方法,最终对模型进行求解．将该方法应用在连续7 d的实际排班中,实验结果表明：与人工排班结果相比,该方法平均每天的任务完成数增加了0.43个,员工的总工作时长减少了53 min,DQN的排班结果具有明显优势,提高了机场地面服务的工作效率．     

基于管制移交的多机场终端区离港航班时刻优化

针对多机场终端区飞行流量大,空域资源紧张的现状,结合基于航迹运行理论,提出基于管制移交间隔优化离港航班时刻的模型.模型以时刻调整成本最小化为目标,使离港航班在出港点处能够建立符合移交条件的纵向间隔,使用遗传算法求解,利用北京终端区下辖三座机场的历史运行数据验证模型的适用性.结果表明,优化后的时刻表可使98.15％的离港...     

家政服务人员的排班优化问题

家政服务公司的员工排班是一项非常重要的工作,其实质在于通过周密的组织和精确的计划,综合考虑成本最低和服务人员工作时间均衡,实现公司员工的优化配置,其合理性关系到家政服务公司的口碑和效益。本文提出了家政服务人员的排班优化问题,应用分支定界法、遗传算法和基于自适应的混合遗传算法求解,其中基于自适应的混合遗传算法结合了遗传算法和局部搜索的优点,遗传算法用来执行全局搜索使解跳出局部最优,局部搜索进行性能微调,并采用自适应策略改进算法。针对不同的算法,建立相应的数学模型,仿真结果表明通过三种算法都能得到最优解,基于自适应的混合遗传算法性能更优,而且,模型的正确性和算法的合理性也得到了验证。     

基于机场协同决策系统的机坪牵引车调度方法

为优化机坪牵引车服务流程,将机场协同决策系统与数学模型、多目标遗传算法相结合,通过理论计算与实例验证的方法研究了牵引车调度优化问题.首先,利用机场协同决策系统获取航空器的预计推出时刻;再基于历史运行数据设计航空器推出耗时和牵引车行驶耗时的生成方式,考虑航空器推出过程中可能引发的推出冲突设置约束条件,建立以某一时段、机坪...     

飞机排班问题的模糊优选动态规划模型

提出一种基于多目标模糊优选动态规划方法有效解决飞机排班问题的新算法.该算法将二级模糊模式识别理论与动态规划概念相结合,建立了以飞机使用均衡、航班尽快恢复为目标函数的多阶段多目标前向动态规划模型,从第一阶段开始,对各阶段的可行决策进行多目标模糊优选,依次向后递推得到调度结果.实验数据表明,飞机调度策略与实际飞机排班结果一致,耗时仅9.06s,该算法能有效解决飞机排班问题.     

疫情期间的护士排班优化模型及智能算法

重大疫情突发地组织的护士较多,传统的人工护士排班耗时长,排班结果可能导致护士身体的疲惫,增加医疗的风险,且护士值班的不均匀诱发护士的消极抗疫的现象发生.建议重大疫情期间的护士排班问题归结为该文提出的5个软约束条件作为优化目标,7个硬约束条件作为约束条件的多目标规划模型.该模型能够避免护士连续上班时间过长和过于集中,尽可能不扰乱护士的生物钟,降低医疗事故发生的风险;同时还考虑了各个班型在护士之间进行均匀分配,兼顾了护士的心理健康,避免护士心里产生不满而诱发护士消极抗疫现象的发生;采用两层粒子群遗传算法求解护士排班多目标优化模型,因为粒子群算法求得的解极大可能是局部最优解,在粒子群算法中嵌入遗传算法,有利于全局寻优,极大地提高了获得全局最优解的概率.采用两层编码技术能够同时得到护士编号及其对应的排班状态,节约算法的迭代时间;将该文提出的模型及算法应用于重庆三峡中心医院护士排班的实际问题,能快速高效得出疫情期间的均衡护士排班表,提高了抗疫工作的效率,解决了长期困扰医院的护士最佳排班问题.该护士排班模型和算法也可推广到航空机组智能排班和学校智能排课方面,具有广阔的应用前景.     

武汉市高校间公交线路设计及其排班方案的研究

基于旅行商问题的数学规划模型,首先设计了一条贯穿武汉市洪山区10所高校间的公交线路,然后从效率性和公平性的角度,通过期望分析确定了该线路所需要的司机人数,以司机月工作班次方差和月工作时长方差最小为目标,建立了多目标优化模型,最后利用计算机模拟对模型进行了求解,确定了该公交线路的月度排班方案.     

对电网规划及优化探讨

针对遗传算法在进行多目标优化时,收敛速度慢且易早熟的问题,提出一种改进自适应遗传算法,改进了选择方法和终止判据,并对交叉和变异概率的选取进行了自适应处理。针对含分布式发电的配电网规划的多目标性。采用模糊理论引入总体满意度很好地解决了多目标归一化问题。仿真算例表明：改进的算法能有效地寻找到全局最优解,明显提高收敛速度,具有良好的自适应特性。     

纯电动公交时刻表和车辆排班计划整体优化

研究单线路的纯电动公交车辆运营时刻表和车辆排班计划的整体优化方法,以发车间隔平滑、使用车辆数少和充电费用低为目标建立多目标优化模型,考虑包括不同时段发车间隔范围、可用车辆数量的限制和纯电动公交续航里程约束在内的多个约束.采用多目标粒子群算法进行求解,基于多目标优先级寻找模型的最优解集合.案例表明:和现有的运营计划相比,模型能够平滑发车间隔,减少使用车辆数,充分利用非高峰时段充电以降低充电费用.     

动态多目标优化进化算法研究综述

动态多目标优化进化算法主要研究如何利用进化计算方法求解动态多目标优化问题,其已成为进化计算领城一个新的研究课题.本文首先介绍了动态优化问题的分类,然后描述了动态多目标优化问题的基本概念、数学表述,最后在当前对动态多目标优化进化算法的基本原理、设计目标、研究现状及性能度量讨论的基础上,提出了对动态多目标优化问题需进一步研究的关键问题.     

改进遗传算法及其在矿山生产调度中的应用

基于多目标生产调度的特点和不足,从采掘运输成本和矿石品位两个角度出发,考虑矿石种类、铲位出矿量及卡车调度等因素,构建了多目标矿山生产调度模型.结合遗传算法解决多目标优化问题的优势,提出了基于改进遗传算法的矿山生产调度策略以及实现过程,并将改进前后遗传算法对模型的求解进行对比.模拟实验结果表明,运用改进遗传算法对矿山资源...     

区域公交车辆调度问题的可靠性

为避免交通拥挤等突发事件干扰车辆正常、按时地完成某班次,从而造成公交车辆调度方案失效,需编制一个具较高可靠性的方案以适应环境变化． 文中将区域公交车辆调度问题视为\"部分班次被某车辆完成\"的集合划分问题,假设不确定因素引起车辆延时完成某班次的时间服从正态分布,首次引入公交车辆调度方案的可靠度概念,考虑站场容量等约束因素,研究一类以车辆使用费用最少为第一目标和公交车辆调度方案可靠度最大为第二目标的多目标规划问题; 再用约束法将第二目标变为约束条件,使该问题转化为单目标规划问题,设计求解问题的改进遗传算法,根据问题特征定义染色体编码、适应度函数、产生初始种群的启发式算法、交叉和变异操作等; 最后,通过一个算例验证了模型和算法的正确性及有效性．     

一种改进的车间调度算法

为了解决考虑生产总成本的车间调度问题,对引入加工成本、库存管理成本和拖期惩罚成本的车间调度问题进行了研究,提出了一种改进的遗传算法求解该问题。论述了改进遗传算法的编码、初始化、选择、交叉和变异操作,通过与基本遗传算法的仿真比较,验证了该算法在收敛速度和最优解值上的优越性。     

油料调度保障问题的多目标优化方法

【目的】研究油料保障活动中的调度保障问题。【方法】综合多方面因素,构建了以调度效率最大化、系统调度成本最小化以及系统调度时间最小化为目标函数的多目标优化模型。【结果】利用多目标优化的主要目标法等标量化方法将问题转化为单目标优化模型,分析该模型解的性质并提出相应的遗传算法进行求解。【结论】提出的多目标优化方法能够在保障调度效率的同时获得相应较低的系统成本和相应较短的系统调度时间,可为油料调度保障问题提供决策参考。     

具有混合变量的桁架结构多目标形状模糊优化设计

分别以桁架杆件截面面积和可动结点坐标为离散和连续设计变量,以结构总重量最小、结点位移最小和结构固有频率最大为目标函数,进行桁架结构形状多目标优化设计。采用的改进遗传算法用二进制编码方式对两类不同变量进行编码,用凝聚函数将问题的多项约束转化成单个约束,用凝聚选择策略和竞争保留机制保证有潜力的解被优先选择,最终得到问题的理想解和有效解。最后从工程实际出发,根据模糊相似优先比方法,从多组有效解中寻找出最优解。     

交货期窗口下的多目标作业车间调度问题

研究交货期窗口下的多目标作业车间调度问题.如果任务在交货期窗口内完工,则不受提前/拖期惩罚;如果在交货期窗口外完工,将导致提前/拖期惩罚.设计了基于协同多群体的多目标遗传算法（CMGA）,最后将此算法应用于作业车间调度的多目标优化问题,并和其他算法进行了比较.计算结果验证了CMGA在调度方面良好的搜索性能.     

面向船体分段建造的二维不规则空间调度方法

针对船体分段建造计划的时空特性和分段投影不规则形状的特点,提出了综合时间和空间的多目标分段建造空间调度优化模型.该模型将船体分段投影抽象为更接近实际形状的不规则多边形,提出分段调度中的悬挂和重叠现象的检验方法和解决方案.设计了具有时空特性的改进粒子群算法,采用均值自适应加权法解决多目标权值分配问题,使目标函数值比例均衡.最后,以船厂实际数据为例进行实验验证.结果表明,所提出的调度方法能有效地提高船舶分段生产效率和空间利用率,并具有较强实用性.     

Job-shop Scheduling with Multi-objectives Based on Genetic Algorithms

The technology of production planning and scheduling is one of the critical technologies that decide whether the automated manufacturing systems can get the expected economy. Job shop scheduling belongs to the special class of NP-hard problems. Most of the algorithms used to optimize this class of problems have an exponential time; that is, the computation time increases exponentially with problem size. In scheduling study, makespan is often considered as the main objective. In this paper, makespan, the due date request of the key jobs, the availability of the key machine, the average wait-time of the jobs, and the similarities between the jobs and so on are taken into account based on the application of mechanical engineering. The job shop scheduling problem with multi-objectives is analyzed and studied by using genetic algorithms based on the mechanics of genetics and natural selection. In this research, the tactics of the coding and decoding and the design of the genetic operators, along with the des     

考虑外网效益的微网改进多目标优化调度

在建立微网多目标优化模型时,除了考虑微网自身效益,同时还考虑了微网对外网运行的影响成本,增强了对外网的友好性。针对传统多目标粒子群容易陷入局部最优的问题,提出了基于外部档案监测选择机制的改进MOPSO;并在速度更新公式中引入了小扰动,使求得的Pareto前沿解分布更均匀。在求得Pareto最优解集后,综合考虑微网的安全稳定性能指标,采用基于熵权法的决策机制,从最优解集中筛选出最佳调度方案。最后以一典型微网为例,验证了改进MOPSO的优越性和考虑外网效益的必要性。