运用遗传算法实现项目调度中的现金流优化

多模式的资源受限项目调度问题(MRCPSP)是生产实践中的一类常见的重要问题,它具有NP-完全性质,难以在多项式时间内准确求解.现金流是项目财务管理及风险评估的重要指标,实现现金流优化对项目管理具有重要的意义.考虑了现金流优化与项目调度相结合的带折现流的多模式资源受限项目调度模型(MRCPSPDCF),首先对该模型建模,然后给出运用遗传算法求解的具体方案,考虑了里程碑事件和相等时间间隔两种支付方式,在仿真实验中比较了这两种支付方式的实验结果,并证明了遗传算法的有效性.     

RCPSP中现金流优化问题的HGA方法

针对网络进度计划中财务方面对项目管理的影响 ,研究资源受限项目调度问题 (RCPSP)中网络现金流的优化问题。提出以网络净现值最大作为网络现金流优化的目标 ,建立了带有贴现率的非线性整数规划模型 ,采用遗传算法与模拟退火算法相结合的混合式遗传算法进行求解。仿真实例表明了方法的合理性和有效性。     

RCPSP中现金流优化问题的HGA方法

针对网络进度计划中财务方面对项目管理的影响,研究资源受限项目调度问题（RCPSP）中网络现金流的优化问题。提出以网络净现值最大作为网络现金流优化的目标,建立了带有贴现率的非线性整规划模型,采用遗传算法与模拟退火算法相结合的混合式遗传算法进行求解。仿真实例表明了该的合理性和有效性。     

多车场多目标开放式物流配送车辆调度问题的研究

为了优化现代物流中的车辆调度问题,文章针对多车场开放式物流配送车辆调度问题,建立了一种灵活的多目标组合优化模型,此模型可以方便地增减优化目标值;设计了适合多车场开放式车辆路径问题的通用染色体编码方案,并对遗传算法中的交叉变异操作做了详细说明,最终得到了多车场多目标开放式物流配送中车辆调度的优化策略;通过真实的测试用例验证了项目设计的优化模型和遗传算法在解决多车场多目标开放式物流配送车辆调度问题中的可行性.     

灾变遗传算法求解带时间窗的车辆调度问题

提出一种可以有效求解带时间窗的车辆调度问题的灾变遗传算法.遗传算法作为一种高效的启发式算法被用于解决这类组合优化问题,但是该算法存在过早收敛、易陷入局部最优等缺陷.针对此问题,在搜索过程中采用灾变算子使遗传算法跳出局部最优,并针对车辆调度问题设计一种可以直接产生可行解的交叉算子,避免染色体交叉过程中产生不可行的子代.通过仿真算例验证了所提出的算法求解带时间窗的车辆调度问题的有效性;通过与标准遗传算法、改进遗传算法和粒子群算法的比较,进一步验证了灾变遗传算法在优化性能以及算法鲁棒性方面的优势.     

考虑资源闲置成本的多项目调度问题研究

针对资源受限多项目整体进度优化问题,考虑资源分配过程中的资源闲置成本,提出了一种集成工期延迟和资源闲置成本的多目标调度协同优化模型。通过该模型提高了资源的利用效率,理论上实现了多项目在目标成本最小情况下的整体进度方案。综合利用模拟退火算法和遗传算法的优点,设计退火遗传算法对该模型进行求解,通过算例验证了算法和模型的有效性。     

病毒进化遗传算法的车辆调度优化模型

为了提高车辆调度优化效率,提出一种病毒进化遗传算法的车辆调度优化模型。建立车辆调度的数学模型,采用遗传算法对模型进行求解,并采用病毒群体感染主群体,主群体在历代个体间纵向传递信息以利于全局优化,病毒群体通过感染操作在同代个体间横向传递信息利于局部搜索,进行仿真对比实验。结果表明,病毒进化遗传算法较好地解决了标准遗传算法存在的不足,加快了车辆调度优化问题的求解效率,获得了更优的车辆调度方案,具有较高的应用价值。     

基于两阶段求解算法的动态车辆调度问题研究

在分析需求动态变化的基础上,根据需求信息的提出顺序,将动态配送问题转换成不同时刻的静态车辆调度问题,建立基于时间轴的动态车辆调度模型;利用量子理论改进遗传算法,设计量子遗传算法;针对动态车辆调度问题实时性强的特点,设计＂初始优化阶段＋实时优化阶段＂的两阶段求解策略,通过信息更新插入动态需求客户,并对已产生的计划路径进行局部优化调整.通过仿真计算,验证了模型和算法的有效性.     

基于混合遗传算法的热轧生产调度优化方法

热轧生产调度是一个复杂的约束组合优化问题,其生产约束包括连续轧制板坯的宽度、厚度和硬度跳变要求,轧制单元的最大长度,产品库存及交货期等.基于多旅行商模型,建立了热轧生产批量调度问题的优化模型,并提出一种混合遗传算法(遗传算法、局部搜索)求解该问题.通过应用串行边重组和并行边重组的遗传交叉算子,算法在优化过程中可以很好地处理调度约束.针对工业数据的仿真结果证明该调度模型和混合遗传算法的并行求解策略可以有效地解决热轧生产批量调度问题.     

教与学优化算法在梯级水库优化调度中的应用

针对梯级水库发电优化调度模型存在多约束,求解难度大,传统算法易陷入局部搜索,提出一种改进的教与学优化算法进行优化求解.通过具体案例进行测试验证,并和遗传算法与粒子群算法比较.结果表明,该算法具有求解速度快,求解精度高等优势.