改进GWO算法求解柔性钣金车间动态重调度问题

根据钣金生产线特点建立了具有工件优先级约束的多目标柔性作业车间动态调度模型,并提出改进的多目标灰狼优化算法用于求解该模型。首先,针对该模型设计出一种同时满足工件优先级约束、工序优先级约束和设备加工约束条件的剪枝式解码方案;其次,提出一种非线性收敛因子和动态位置更新策略,用于平衡经典灰狼优化算法的探索能力和利用能力;最后,为减少设备故障对原始调度方案的影响,设计了一种动态重调度策略。通过实验验证了改进多目标灰狼优化算法求解钣金车间动态调度问题的有效性和动态重调度策略的可行性。     

基于硬时间窗的技术站解编方案综合协调优化

针对现有制定的解编方案无法有效地满足铁路技术站阶段计划配流工作,基于牵引质量和换长的不同硬时间窗满轴约束,并综合考虑车流接续和编组去向约束,以总车流量、满轴出发列车最多为目标,建立了技术站多目标动态配流模型。为实现解编方案综合协调优化,依据解体和编组顺序调整规则,并通过定义可解集合和改进蚁群算法的状态转移规律及信息素更新策略,设计了一种基于蚁群算法的辅助决策支持系统。算例表明该辅助决策支持系统可以缩小配流问题规模,帮助决策者选择满意的解编配流方案,同时可以考虑解编顺序的改变对配流结果带来的影响,做到解体照顾编组,从而为实现铁路技术站调度系统的综合协调优化提供理论支持。     

面向复杂作业车间的交互式两级调度方法

针对边界不确定和具有决策偏好的大规模复杂作业车间调度问题,提出以第1级为交互式约束设置求解,第2级为优化求解的两级调度求解策略.在第1级调度中研究交互式约束满足的基于优先级快速调度构建算法,作为支持决策者交互式约束调整的快速响应求解方法.在第2级调度中以基于优先级的快速调度构建算法为基础,研究以优先级为决策变量的智能优化搜索算法,作为满足第1级调度中的交互式约束的改进优化求解.该方法较好地融入了决策者的经验知识和偏好,同时结合优化搜索求解算法,使得在满足决策者偏好的基础上进一步改进调度求解质量,增加调度求解结果的可信度,在实际应用中取得良好的应用效果.最后,通过一个案例对该两级调度求解策略的过程进行描述,并对所提出方法的有效性进行阐述.     

一类带约束动态多目标优化问题的进化算法

动态多目标约束优化问题是一类NP-Hard问题,定义了动态环境下进化种群中个体的序值和个体的约束度,结合这两个定义给出了一种选择算子.在一种环境变化判断算子下给出了求解环境变量取值于正整数集Z+的一类带约束动态多目标优化问题的进化算法.通过几个典型的Benchmark函数对算法的性能进行了测试,其结果表明新算法能够较好地求出带约束动态多目标优化问题在不同环境下质量较好、分布较均匀的Pareto最优解集.     

具有优先关系的累积调度问题的约束传播算法

约束传播是约束规划成功应用的关键技术之一. 针对累积调度问题提出一种结合工作间优先关系和工作最早开始/最晚完成时间约束的约束传播算法, 给出了算法的理论依据. 引用资源受限项目调度问题库PSPLIB中的典型问题对算法进行了测试, 结果表明: 针对测试问题新的约束传播算法在总体约减效果上优于现有约束传播算法, 新算法与基于能量推理的约束传播算法可以互补, 两者结合推理效果更好.     

优先级多目标稳定化约束模型预测控制

针对目标函数的不同优先级问题, 提出一种约束多变量线性定常系统的稳定化多目标模型预测控制策略. 首先, 基于多目标优化理论给出多目标预测控制问题的字典序最优解结果, 并在此基础上考虑目标函数的优先级, 重 新将多目标预测控制问题定义为字典序多目标预测控制问题; 然后, 采用终端约束、终端罚函数和局部状态反馈律 等三要素, 证明多目标预测控制闭环系统是渐近稳定的; 最后, 通过一个仿真实例验证了所提出方法的有效性.

     

基于最小费用最大流的大规模资源调度方法

并行作业是大规模资源调度的研究热点.已有研究工作通常采用队列进行资源调度建模,仅能满足局部最优解,只能适应调度目标固定不变的场景,灵活性不够.提出了一种基于最小费用最大流的大规模资源调度建模方法,将任务的资源需求和物理资源供给问题转换成最小费用最大流图的构造和求解问题.首先,选择公平性、优先级和放置约束三种典型度量作为切入点,从资源视角映射为图的构造问题,通过改变图的结构使其具备适应性调整能力.其次,针对图的求解时间复杂度高的问题,实现了一种增量式优化算法.最后,实验对比公平性、优先级和放置约束三种资源调度典型系统,验证了本方法可通过按需配置,支持多种调度目标,具备灵活性.并通过实验仿真验证了万级规模下基于图的资源调度延迟,比基于未优化图算法的资源调度延迟最多降低10倍.     

基于TSAPO的柔性作业车间计划和调度

为使多目标柔性作业车间计划与调度的制定更适合实际生产的动态变化,提出增加动态反馈的闭环柔性作业车间计划模型及二阶式蚁群粒子群混合优化算法TSAPO。通过增加动态监视功能,及时更新和反馈实际生产数据。利用对优化目标的二阶段分解,设计带有反馈机制的调度算法。实验结果证明,该算法在求解多目标柔性作业车间调度问题中具有较好的优化效果。     

基于模糊多目标的高超声速飞行器再入轨迹设计

针对多约束条件下的高超声速飞行器再入轨迹的优化问题,考虑多个具有不同重要性等级的优化指标,提出基于模糊多目标的轨迹设计方法.首先,利用直接配点法,将最优控制问题转化为带优先级的非线性多目标规划问题;然后,基于模糊满意优化的思想,根据更重要目标具有更高满意度的原则,将优先级表示为满意度序,并设计两步式优化模型.通过调节参数,能获得同时满足优化和重要性等级要求的最优轨迹.仿真结果表明了所提出方法的有效性.     

基于多QoS约束的网格任务调度算法

提出一种基于QoS的网格资源管理模型和此模型下基于多QoS约束的网格任务调度算法。引入效益函数对QoS描述建模,为网格任务调度算法提供合理的优化目标。在此基础上改进传统调度算法得到基于多QoS约束的调度算法。实验表明,改进后的算法有更好的性能,更适合应用于网格环境中。     

多目标军用飞机维修作业调度优化研究

为提升维修作业与现代战机的适应程度,对军用飞机维修作业调度模型构建与调度优化算法设计进行探讨。在沿用柔性作业车间调度问题的形式化描述构建维修作业调度模型的基础上,选取遗传算法对执行步骤进行设计,引入耦合算子重新调整工序排序部分染色体以避免染色体违背耦合约束无法解码的情况发生,并采用维修作业调度案例与Brandimarte测试数据验证多目标调度优化算法的适用性与优化性。维修作业调度模型构建与调度优化算法的探讨促进维修管理的精细化,为调度相关领域的深入研究拓宽思路。     

铁路集装箱中心站资源分配与作业调度联合优化

铁路集装箱中心站主作业区资源分配与作业调度联合优化对其经营效益和运作效率有重要影响.基于“轨道吊-集卡”协同装卸方案,引入轨道吊动态配置原则,以最大化作业均衡率和最小化作业成本为目标,构建多目标非线性混合整数规划模型,综合研究作业区域动态划分、贝位分配以及多轨道吊调度多层次联合优化问题. 根据问题特点,融合启发式规则、遗传算法和模拟退火算法,设计3层混合启发式算法求解模型.通过不同规模算例,对比Cplex与所设计算法的实验结果,验证模型的正确性和算法的有效性,并借助于不同划分原则、不同优化策略与不同间隔约束下的对比实验,验证优化模型与算法普适性.结果表明,新型装卸方案、动态作业区域以及联合优化策略可大幅度均衡轨道吊作业量,避免资源过度负载、降低中心站作业成本,为中心站的实际运营管理提供决策支持.     

车间作业调度问题的仿真研究

研究车间作业调度优化问题,使资源、车辆调试、交通分配等达到优化配置,因此车间作业调度问题是一个多约束条件的目标优化问题,采用多项式求解方法不能获得最优解,导致车间作业调度效率低.为了提高车间作业调度效率,提出了一种蚁群算法的车间作业调度优化算法.首先以最小加工时间作为优化目标,蚂蚁爬行路径为作业调度方案,通过蚁群中个体间互相协作和信息交流获得最优车间作业调度方案.通过车间作业调度测试案例对算法进行验证性实验,实验结果表明,蚁群算法提高了车间作业调度效率,能在最短时间找到最优调度方案,为车间作业调度优化提供了依据.     

项目优化调度的病毒协同进化遗传算法

针对次序约束和资源约束的多模式项目调度问题提出了一种病毒协同进化遗传算法,并提出了解的编码、选择、交叉、变异和病毒感染操作等.算法用于求解项目活动的一个最优调度顺序和资源模式以使项目的成本最低,其操作特点是既可以通过遗传操作在父子代群体之间纵向传播进化基因进行全局搜索,又可以通过病毒感染操作在同一代群体内横向传播进化基因进行局部搜索.利用模板理论对算法的性能进行了分析.理论分析和实验结果表明,算法的搜索性能优于一般的遗传算法.算法对于不同优化目标的多模式项目调度问题可以同时求得一个满足次序约束的项目活动的最优调度顺序和满足资源约束的最优资源模式.     

求解约束优化问题的新型帝国竞争算法

针对约束优化问题,提出一种约束处理的新策略,运用字典序方法同时优化问题的目标函数和约束违背程度,设计一种新型帝国竞争算法.该算法给出成本和归一化成本的新定义,以避免殖民国家势力为零,并应用嵌入殖民地间全局搜索的同化、基于优秀殖民地的革命、殖民国家的差分进化和新型帝国竞争等策略提高求解质量.基于两组约束优化标准测试函数的实验结果和算法对比表明,结合字典序方法的新型帝国竞争算法在约束优化问题的求解方面具有较强的优势.     

基于TPr/T_系统的编组站配流研究

通过考虑分析编组站作业流程,根据Petri网理论,将Pr/T_系统扩展为基于时延性的TPr/T_系统,在此基础上,逐步建立编组站TPr/T_系统模型。在模型中,以列车（车列）为元组,解决配流对资源的约束;通过谓词容量限制,解决配流在空间上的约束;通过变迁限制,解决配流对时间的约束。系统以满轴、尽量不晚点为优化目标,根据反向推理思想设计算法,以求得较为合理的配流方案。最后,通过实例,验证提出理论的合理性。     

一种基于两级DAG模型的MapReduce工作流异构调度算法

MapReduce编程模型被广泛应用于大数据处理平台,而一个有效的任务调度算法对模型的运行效率至关重要。将MapReduce工作流的Map和Reduce阶段分别拆解为若干个有先后序限定关系的作业,每个作业再拆解为多个任务。之后基于计算集群的可用资源和任务异构性,构建面向作业和任务的2级有向无环图(DAG)模型,同时提出基于2级优先级排序的异构调度算法2-MRHS。算法的第1阶段进行优先级排序,即对作业和任务分别进行优先权值计算,再汇总得到任务的调度队列;第2阶段进行任务分配,即基于最快完成时间将每个任务所包含的数据块子任务分配给最适合的计算结点。采用大批量随机生成的DAG模型进行实验,结果表明与其他相关算法相比,本文算法有更短的调度长度(makespan)且更加稳定。     

云计算中基于优先级和费用约束的任务调度算法

针对云计算中的服务质量保证问题,提出一种基于优先级和费用约束的任务调度算法。该算法通过计算任务优先级和资源服务能力,分别对任务和资源进行排序和分组,并根据优先级高低和服务能力强弱建立任务组和资源组间的调度约束关联;再通过计算任务在关联资源组内不同资源上的完成时间和费用,将任务按优先级高低依次调度到具有任务完成时间和费用折中值最小的资源上。与Min-Min和QoS-Guided-Min算法的对比实验结果表明,该算法具有良好的系统性能和负载均衡性,并降低了服务总费用。     

云计算中一种多DAG工作流可抢占式调度策略

为解决多用户工作流调度过程中的公平性问题,提高资源利用率,满足不同用户DAG工作流的不同QoS需求,提出了抢占式多DAG工作流动态调度模型。该算法将DAG工作流按照QoS需求进行优先级划分,采用高优先级作业优先占有资源的原则调度作业。相同优先级DAG工作流的任务依据带有启发性信息的slowdown进行资源抢占,进一步提高了作业调度的公平性;对于不同优先级的作业调度,提出了基于阈值的回填算法,该算法在保证作业调度公平的同时提高了资源利用率。     

云计算平台下基于近似ε-约束的多目标作业调度优化算法

针对云计算中平台主机之间工作负载分布的作业调度问题,本文提出了一种基于近似ε-约束的优化算法。首先,将作业调度问题建模为一个数学决策模型;然后,求出模型的可行工作调度集;最后,利用ε-约束算法获得每个单目标模型的帕累托前沿,从而优化作业的总平均等待时间、最长工作调度中作业的平均等待时间(如调度跨度)和所需的主机数目。实验通过建立实例将本文算法与传统的加权和(WS)算法进行比较,实验结果表明,本文算法找到的非支配解平均数比WS算法多77.8%,且更具多样化,优化了同构云计算平台中多目标作业调度问题。