一种求解资源受限项目调度问题的遗传算法

提出一种求解使用可更新资源的单模式资源受限项目调度问题的遗传算法．采用遗传算法对项目活动进行调度,在满足紧前关系约束和资源约束的条件下,最小化项目工期．继承了基于排列和基于优先级的编码方案的优点,提出一种新的基于优先权排列的编码方案．采用串行调度方法生成项目计划．使用PSPLIB中的标准问题库对算法进行了充分的数值实验,通过与既有算法进行比较,证明本文算法的有效性．     

资源受限多项目调度的混合遗传算法

针对资源受限多项目调度问题,提出了改进后的混合遗传算法.该算法基于串行进度生成机制,结合多项目任务列表与项目优先权设计了新的染色体,所设计的交叉算子与变异算子均能保证所得新个体满足项目紧前关系约束,从而有效提高算法搜索效率.算法充分利用不同启发式算法构造初始种群,有效扩大种群多样性以避免过早收敛.算法采用正向逆向调度技术对调度方案进行优化,进一步提高了调度方案的质量.与其他多项目调度启发式算法相比,该算法能有效分配资源,显著缩短项目平均总工期.     

考虑技能水平的多技能资源约束项目调度

针对带有技能水平的一般多技能资源约束项目调度问题进行扩展,将技能水平进行分级并将技能和资源各分为关键和辅助2类,考虑作业执行时间因分配的关键资源具备的技能水平而变.以最小化项目总工期为目标,建立相应的数学优化模型,提出包含双层决策及局部优化策略的混合算法.其中,上层的遗传算法用于决策表示作业执行顺序的优先级列表,下层的关键资源决策启发式算法用以确定作业实际执行时间并对上层列表进行解码得到问题的可行解.在所得可行解的基础上,采用基于关键链的局域搜索算法,调整资源分配以缩短关键链长度,保证算法的求解质量.数据实验表明,所提算法在求解质量和求解速度方面均具有良好性能.     

基于SAGA-p的军队规划路线图多模式项目组合规划建模与求解

路线图编制是指导军队建设发展规划落地的关键一步。为解决路线图编制中的项目多模式选择、预算多军种均衡、收益尽可能优化的问题,基于资源受限的项目调度模型,建立多模式项目组合规划模型,探索一种军队建设项目组合规划方法。根据模型的复杂度,有针对地设计一种带有惩罚因子的模拟退火-遗传算法(SAGA-p),引入启发式变异算子,基于个体适应度和进化代数动态调整选择概率,同时考虑军种间预算权衡问题,引入均衡惩罚因子,保证算法的求解质量和效率。最后,通过仿真实验验证算法求解军队建设项目规划路线图编制问题的可行性和有效性。     

柔性资源受限的多模式项目调度问题的建模

将资源受限的多模式项目调度问题中的资源拓展为柔性资源,建立了柔性资源受限的多模式项目调度问题的混合整数规划模型.基于PROGEN生成了项目非虚活动数目为10的2 500个算例,利用XPRESS软件进行了精确求解.对5种项目特征参数即项目网络复杂度、能力需求强度、能力供给强度、资源柔性值和资源数目与问题求解难度、项目总完工时间和项目资源利用率之间的关系进行了分析.指出资源柔性值和资源数目的增加虽然能够减少项目完工时间平均值,但是也可能导致资源利用率平均值的下降,对柔性资源进行合理调度才是项目管理的关键.     

粒子群优化在资源受限工程调度问题中的应用

用多维粒子来描述以项目工期最小为目标的资源受限问题.通过粒子在不断更新的轨道里寻优来解决资源受限的工程调度问题.依照基于优先权和基于排列两种方法建立了该算法的运算框架,并通过具体的算例对其有效性进行了检验.结果表明,将粒子群优化算法应用于资源受限工程调度问题切实可行,而且该算法较其他同类方法(如GA等)具有更好的优化效果,为解决该类问题提供了一种新的方法.     

求解资源受限项目调度问题的改进布谷鸟搜索算法

针对资源受限项目调度问题（RCPSP）,提出一种基于改进布谷鸟搜索（ICS）算法的高效求解方法.ICS算法设计如下：在解空间表示方面提出一种适应莱维飞行特点的任务调度顺序优先级编码方案,并采用串行调度求解该问题;为提高算法收敛速度、避免陷入局部最优解,对CS的局部搜索机制进行改进,即引入对精英个体的局部搜索策略及对首领的寿命衰老机制.最后,通过PSPLIB基准测试问题J30、J60和J90对算法性能进行测试,并与CPLEX优化结果及参考值进行比较,结果表明ICS算法较CS算法收敛更快、结果更优,调度结果理想.     

具有禁止时间窗口的资源受限水利工程项目调度

水利工程项目的调度属于资源受限的项目调度,但又具有特殊的时间约束,称之为禁止时间窗口的约束,该约束假设某些任务不能在某个特定的时间段内执行.针对此类问题建立了一种带有禁止时间窗口约束的资源受限的项目调度问题模型,并提出了一种改进的类电磁算法,对局部搜索、电荷、合力及粒子移动的方式进行改进.基于PSPLIB实例库设计了仿真数据,将改进的类电磁算法与启发式优先规则、遗传算法进行比较,仿真结果表明了改进的类电磁算法的优化效果优于对比算法.     

非抢占式实时任务1次容错调度

面向非抢占式任务实时调度问题,根据不同的故障间隔,推导出任务集合需要满足的条件.根据任务的可重复执行次数,分别设计了非抢占式固定优先级容错(NP-FP-FT)以及动态优先级容错(NP-DP-FT)调度算法,并与非抢占式最早期限优先容错(NP-EDF-FT)、非抢占式单调速率容错(NP-RM-FT)调度算法进行了对比分析.结果显示,采用非抢占式固定优先级算法调度的任务集合具有最低的任务失效率.     

多目标资源受限项目调度的多种群蚁群算法

为实现资源受限项目调度的多目标优化,通过改进传统蚁群算法,提出适用于多目标优化的多种群蚁群算法.该算法基于串行进度生成机制,每个蚁群具有各自的目标函数、与目标函数相匹配的不同搜索策略以及各自的信息素更新机制.各蚁群独立进行搜索决策,但各蚁群之间存在信息素的相互作用,从而实现加速搜索.针对多目标资源受限项目调度问题设计新的精英策略.在目标规划基础上构造一系列多目标项目调度算例,经系统测试表明,所提出的多种群蚁群算法能够有效优化资源受限项目的资源配置,实现多目标优化.     

混合遗传算法求解包含柔性工艺的作业车间调度问题

针对离散制造企业中通常采用柔性工艺设计这一类新的作业车间调度问题,对传统的柔性作业车间调度问题进行了扩展,建立了包含柔性工艺的作业车间调度问题的数学模型.针对问题中在作业调度同时进行柔性工艺选择的特点,设计了改进的遗传算法染色体编码方式和遗传算子,在此基础上,结合变邻域搜索算法,设计了4种不同的邻域结构以产生邻域解,从而提高遗传算法的邻域搜索性能.最后以某轴承公司的实际调度数据为实例,将该算法进行实例测试,并与其他现有的方法相比较,验证了所设计算法的有效性.     

一种基于遗传算法的DNA多序列比对方法

为了克服遗传算法应用于多序列比对时所遇到的比对序列数受限制以及比对寻优速度慢的缺点,提出了一种基于遗传算法的DNA多序列比对方法(GAMA);针对DNA多序列比对的特点,指出了传统遗传算法中的交叉操作将为序列比对带来沉重的计算负担;避开遗传算法通常所采用的遗传操作算子,设计了独特的遗传算子(插入删除算子和合并分离算子)、基于BLAST相似度评分方法和完全比对块加权的个体适应度值评价函数,采用了便于插入和删除操作以及相似度评分的基于字符和空位矩阵的染色体编码方案。本算法具有操作算子数量少,算子调用机制简明的特点。最后,给出了将GAMA应用于DNA多序列比对的算例,实验结果验证了本算法的可行性。     

网上考试系统中组卷策略的实现

在网上考试系统中,组卷策略的好坏在很大程度上影响着组卷的效率.对常用的组卷策略进行分析,在此基础上提出了对组卷采用改进的遗传算法.采用实数编码方案,对各种遗传算子也进行了改进,有效地提高了遗传算法的执行效率.     

新型的高层次测试综合方法

提出了一种基于遗传算法的高层次测试综合方法. 该方法在调度、模块分配和寄存器分配过程中考虑电路的可测性问题. 给出了一种可以同时进行高层次调度和模块分配的遗传算法染色体编码,并设计了基于数据依赖的单点杂交算子和基于控制步约束的变异算子,避免了进化过程中不可行解的产生. 实验结果表明,该方法在有效地改善了可测性。     

改进遗传算法的液压锚杆钻机冲击机构的优化设计

改进了遗传算法的适应度、交叉算子及变异算子,即依据统计规律求概率适应度;对交叉算子的改进,将在随机配对交叉基础上引入人工干预思想;在处理变异算子时引入了人工诱变的思想.采用这种改进的遗传算法优化液压锚杆钻机冲击结构的设计参数.通过优化设计计算结果表明,该改进方法在钻机其他结构理想设计的情况下能使钻机的工作效率从70.8%提高到75.6%,同时这种改进遗传算法也为钻机的其他结构优化设计提供了一种很好的优化方法.     

遗传算法在多资源优化调度问题中的应用

多资源项目调度中优化资源使用问题是在满足项目中活动之间的时序约束和资源约束条件下 ,使资源充分使用的调度方案 .针对资源均衡使用的优化目标建立了非线性数学规划模型 ,利用遗传算法进行求解 .仿真实例表明方法的有效性     

基于遗传算法的大型Flow—shop生产调度

Flow—shop调度问题具有建模复杂性、计算复杂性、动态多约束、多目标性等特点。近几年,各种演化计算方法逐渐被引入到生产调度中,特别是遗传算法的应用。为此,应用Matlab开发生产调度程序,并利用实际生产数据进行了仿真;通过相关仿真实验,验证了不同交叉算子和变异算子组合获得的最优解存在差异,获得并验证了一种较好的交叉算子和变异算子组合,其仿真调度数据验证了遗传算法用于求解大型流水车间调度的可行性和有效性。     

基于资源冲突调度的关键链项目进度研究

关键链项目进度管理既考虑了CPM/PERT技术,又考虑了资源受限下项目调度问题,但把两者结合起来,研究项目进度优化和理论上完整的项目网络表示,目前还存在研究不足。文章以资源受限下项目调度方法的平行法,加入资源强度优先调度原则,首先提出了关键链项目资源多任务调度算法;其次在项目网络中引入开始-开始搭接关系来表示资源冲突引起的活动时间滞后,形成完整的关键链项目网络表示,并给出了基于此表示的关键链识别算法;最后以一个实例验证了该解决方案的有效性,表明了该算法对2种约束限制下、具有2种搭接关系关键链项目网络表示的合理性。     

集成P2P模式的网格任务调度算法

网格计算和P2P都是研究大规模的资源共享问题,P2P为大规模分布式环境下有效地发现资源提供了可扩展性方案,本文提出了一种集成P2P模式的三层网格资源管理体系结构, 将资源的属性以资源组的形式构建层次式的资源管理目录树,提高了资源发现效率,针对网格资源调度中负载均衡、容错处理和调度最优化等问题,设计了一种分层次的网格调度模型,并在此模型的基础上提出了一种集成P2P模式的网格资源调度算法,通过集成的方式将资源的网络带宽、计算能力、资源利用率和网络通信开销等属性按照优先权值的大小进行排序区分,实现网格任务与资源的最佳匹配,理论分析和仿真实验证明了体系结构的可靠性和算法的有效性。     

基于遗传算法的多项目资源约束优化问题研究

对于有资源约束的多项目优化问题,传统方法易出现局部最优解的情况.而遗传算法可以克服传统优化方法的缺点,故将改进遗传算法引入到该问题中来很有必要.通过实例的计算可以看出,简单遗传算法经常出现早熟,且没有搜索到最优值,而自适应遗传算法则可以搜索到相对较优值,所以自适应遗传算法相对于简单遗传算法要更好一些.因此,改进的遗传算法对于在资源约束下的多项目优化问题具有实用价值.