不确定条件下不同交货期窗口的Flow Shop调度

研究了具有不同交货期窗口的Flow Shop的提前／拖期调度问题，并考虑了处理时间的不确定性。采用三角模糊数表示不确定性信息，引入两种模糊运算，建立了问题的模糊规划模型，并采用“中间值最大隶属度”的算法将模糊规划模型转化为清晰的非线性规划模型。针对清晰的数学模型提出了基于遗传算法的优化方法，最小化对所有工件提前／拖期惩罚。最后，大量仿真实验验证了算法的有效性。     

三机床置换Flow-shop问题求解的一种新方法

对三机床置换How-shop问题(PFSP)进行了研究，得到一种下界算法，提出了一种评价函数用于求解时选择后续工件，求解时使用下界选择第1个加工工件可以大大减少计算量．改变第1个加工工件、评价函数中的参数后可能得到更好的解，实验结果表明：使用这种方法求得的解对应的总加工时间非常接近下界，求得的解基本是问题的最优解．与现有方法相比，这种方法得到的结果较好，计算量较少，求解n个工件的三机床PFSP的计算量相当于O(n^3)。     

局内封闭式车辆调度问题及其竞争策略

基于k-卡车问题和局内运输问题,提出了具有时间窗的局内封闭式车辆调度问题,建立了相关的模型,研究了当车辆数为1时该问题的竞争分析的有关结果,给出了三种不同的竞争策略,得到了相应的竞争比,并进行了理论证明.     

Best fit算法在三峡船闸调度中的应用

为了最大限度地发挥三峡区段的通航能力,建立了一种适用于三峡永久船闸的决策支持系统．研究了决策支持系统中的关键问题——船舶入闸编排算法,基于三峡通航的实际情况,如船型复杂多变,中小船舶抢道入闸等,建立了解决问题所需的数学模型．以经典的best fit算法为基础,考虑到各种实际情况,设计了带匹配权值的best fit算法,通过多次测试确定了估价函数,较好地解决了闸室面积利用率和船只优先级别之间的矛盾．实验表明算法适用于三峡永久船闸的编排调度,效果不错．     

基于Anytime算法的模型预测控制器的优化反馈调度

模型预测控制器可以实现为具有Anytime算法特征的模型预测控制（MPC）任务,它允许在执行时间和控制性能之间进行折衷．文中针对一组MPC任务,提出一种优化反馈调度算法（FS-CBS）,在有限处理器时间约束范围内使全局控制性能最大化．该算法为每个MPC任务分配了一个恒定带宽服务器（CBS）,并对CBS所预定的处理器时间进行动态调节,同时通过约束条件保证整个任务集的可调度性和各组分的稳定性．仿真结果表明,该算法对MPC运行时的执行时间变化不敏感,明显优于基本的CBS算法．     

场景驱动的工作流模型构造方法

针对从初始需求出发逐步构造工作流模型的问题,提出了一种场景驱动的模型设计方法。该方法强调将显性需求和专家知识有机集成,从初始需求出发,客户化的场景在设计模式和插件库的支持下被交互式地创建、求精和逐步构造,最终成为结构良好、内容完备的工作流模型。     

电力市场环境下基于两部制电价的独立发电商机组优化调度模型

针对火电机组的煤耗特性随着发电机的运行时间和维修状况不断变化的特点,综合考虑机组运行多种约束和发电会计成本,提出了电力市场环境下基于两部制电价成本的优化调度模型。为使整个计算简单快捷,计及独立发电商发电机数量较少和实际运行的特点,利用改进动态规划法对其求解。采用上述模型对采用两部制电价的华中电网某实际电厂进行了仿真计算,结果表明该模型对节能减排和大容量设备投资具有引导作用,说明该模型简单、有效。     

基于遗传算法的泊位连续化动态调度研究

针对泊位调度问题,将岸线连续化,建立了泊位的动态调度模型。考虑到岸边起重机的分配对泊位调度中船舶的集装箱装卸作业时间的影响,根据规则建立了分配岸边起重机和确定船舶集装箱装卸作业时间的算法。基于泊位连续化动态调度模型建立了分段的染色体编码,分别反映船舶靠泊服务顺序和靠泊位置信息。基于实例,通过仿真计算,与泊位离散化动态调度进行了比较和分析。     

基于综合优先度的卫星数传调度算法

研究了在地面站资源有限、数传任务急剧增多的情况下,合理分配资源以有效实现卫星数传任务的调度问题.首先建立了卫星数传任务模型和调度问题模型,提出了综合优先度的概念及其各个指标,对每个指标进行了详细分析.在此基础上,提出了一种基于综合优先度的卫星数传调度算法。仿真结果表明该算法能够取得较好的调度结果.     

基于MMAS算法的带到达时间批调度问题研究

研究了工件带到达时间的目标为极小最大完工时间(Cmax)的单机批调度问题,采用最大-最小蚂蚁系统(max-min ant system,MMAS)进行求解.针对问题带到达时间以及分批的特性,提出了两种候选列表(candidate list)构建批序列,有效地缩小了搜索空间的维度;考虑两种候选列表的工件对构造解具有不同的影响,针对不同的候选列表设计了相应的启发式信息.仿真实验部分从求解质量和时间性能两方面比较了本文提出的算法和标准的蚂蚁系统(ant system,AS)算法以及使用不同候选列表的MMAS算法.结果表明,本文的算法在质量和时间两方面均全面优于标准的AS算法,而提出的候选列表使得该算法在大幅度提高时间性能的同时,仍然能够取得近似最优解,从而在求解质量和时间性能两方面取得平衡.