多目标卫星数传调度蚁群优化算法

卫星数传调度问题具有任务多、资源少、调度约束复杂等特点,为满足多目标优化调度的理论和现实需要,提出了多目标卫星数传调度蚁群优化算法。算法建立了基于任务调度关系的解构造图,提出了用于可行解构造的自适应伪随机概率决策模型,以及基于Pareto解偏离度的全局信息素更新策略。仿真结果表明,算法具有较好的Pareto前沿收敛性,各优化目标都能得到较好的指标评价值,所获得的Pareto解集规模适度,Pareto解的多样性、分布均匀性和散布范围都较好。     

应急资源多目标优化调度模型与多蚁群优化算法研究

大规模自然灾害发生后,极易出现多地同时提出多类型资源需求的局面.基于灾后应急资源调度的特点,建立了考虑多需求点、多供应点、多资源类型、且多个资源供应点能为多个资源需求点协同配备资源的多目标优化调度模型.模型中对调度路线的可靠度进行了考虑,增强了实用性.设计了求解模型的多蚁群优化算法,在全局信息素更新规则中引入精英策略,指导多蚁群间相互交换与共享信息,加快全局非劣解搜索效率.多目标多蚁群优化算法将资源定位配置与路线安排问题进行了集成解决.算例分析表明该算法能够很好地处理大型复杂网络.     

基于改进多目标布谷鸟搜索的资源调度算法

针对IaaS(Infrastructure as a Service)云计算中资源调度的多目标优化问题,提出一种基于改进多目标布谷鸟搜索的资源调度算法。在多目标布谷鸟搜索算法的基础上,通过改进随机游走策略和丢弃概率策略提高了算法的局部搜索能力和收敛速度。以最大限度地减少完成时间和成本为主要目标,将任务分配特定的VM(Virtual Manufacturing)满足云用户对云提供商的资源利用的需求,从而减少延迟,提高资源利用率和服务质量。实验结果表明,该算法可以有效地解决IaaS云计算环境中资源调度的多目标问题,与其他算法相比,具有一定的优势。     

基于修补策略的约束多目标动态环境经济调度优化算法

针对传统的优化算法求解多目标动态环境经济调度(MODEED)模型时极难获得高质量的可行解,且收敛速度慢等问题,根据MODEED模型约束特征,设计了一种约束修补策略;然后将该策略嵌入非支配排序算法(NSGAⅡ),进而提出一种修补策略的约束多目标优化算法(CMEA/R);接着借助模糊决策理论给出了多目标问题的最优决策向量;最后,以经典的10机系统为例,验证了CMEA/R的求解能力,并比较了不同群体规模下CMEA/R与NSGAⅡ的性能。仿真结果表明,在不同群体规模下,与NSGAⅡ相比,CMEA/R的污染排放平均减少了480 lb(217.7 kg),燃料成本平均减少了7 800美元,执行时间平均减少了0.021 s;覆盖率(HR)性能优于NSGAⅡ,且收敛速度较NSGAⅡ快。     

水库多目标优化调度

本文应用数学理论对大中型水库进行优化调度，编制了程序，并应用于实例，经过大量微机计算，绘出优化调度图，优化调度效果显著。实践证明本方法实用可靠。     

基于多班教学优化的多目标分布式混合流水车间调度

单工厂环境下的混合流水车间调度问题已受到广泛关注,而多工厂环境下的分布式混合流水车间调度问题(distributed hybrid flow shop scheduling problem,DHFSP)研究进展则较小.针对考虑顺序相关准备时间的DHFSP,提出一种多班教学优化(multi-class teaching-...     

基于改进多目标优化算法的分布式数据中心负载调度

在数据中心的运营中运营商需要考虑如何在利润最大化的同时降低碳排放和提升服务质量,这些目标之间的平衡是一个巨大挑战.针对该问题,建立分布式数据中心负载调度的多目标优化模型,提出一种改进拥挤距离和自适应交叉变异的非支配排序遗传算法(ICDA-NSGA-II).在NSGA-II算法的基础上,通过对拥挤距离的改进能够提高算法的开采和勘探能力,引入正态分布交叉(NDX)算子和自适应变异算子增强种群的多样性,从而保证算法能快速、准确地得到Pareto解集.为了显示改进算法的有效性,对基准测试函数进行求解,仿真结果表明,改进算法相比于典型的NSGA-II和MOEA/D具有更快的收敛速度和精度,在分布式数据中心负载调度优化中,能够快速有效地给出满足利润、碳排放和服务质量等目标的Pareto最优解.     

基于优化调度目标的三峡船闸梯级枢纽联合调度算法研究

在三峡船闸梯级枢纽运行期间,要运用联合调度算法完成各项基础任务,以此保障实践工作效益实现最大化。在我国交通能源建设水平不断提高中,以生态文明和低碳环保为核心的枢纽建设得到了全社会的重视,各领域学者在深层探究枢纽优化调度目标的同时,获取了更多基础理论和解决方法,这对现代三峡船闸梯级枢纽联合调度系统建设而言具有积极影响。因此,本文研究在明确优化调度多目标算法的基础上,根据三峡葛洲坝梯级枢纽建设运行情况,深藏探讨实际三峡船闸梯级枢纽联合调度算法的应用效果。     

多目标和多优先级约束的调度决策优化

针对装配作业调度优化问题,考虑装配过程中工具的更换次数、零件装配方向的改变次数和零件装配类型的变化次数的影响,提出一种支持多目标和多优先级车间调度策略的规划模型,给出正确的调度策略及求解算法.实例分析表明该方法的有效性和可行性.     

基于强化协同算法的多目标生产调度模型研究

针对流程工业生产调度具有复杂性、多约束性和多目标性难以优化的特点,提出了一种新型强化协同优化算法 (N C O ),并将该算法应用于求解多目标优化问题,提出了基于N C O 算法的多目标协同优化方法(M O N C O )。研究表明, M O N C O 算法应用于车间调度问题,不仅可以优化生产工序,还能减少迭代次数,提高计算效率。     

风-光-热-水互补发电优化调度策略北大核心CSCD

近年来,随着大规模的新能源发电机组并入电网,给电力系统调度带来了巨大的挑战。由风电、光伏、光热和水电4种能源可构成互补发电系统,在综合考虑互补系统的各个经济指标(售电效益、环境效益、运行维护成本、购电成本等)、功率波动以及电网安全运行的约束的条件下,建立了以互补系统并网效益最大和输出功率波动方差最小为目标的多目标优化模型。最后,利用改进多目标粒子群优化算法(MOPSO),通过IEEE30节点算例系统验证了所提方法的可行性和有效性。仿真结果表明,相对于风电、光伏、光热互补系统而言,水电站的参与可以提高11%的并网经济效益,减小82.2%的输出功率波动;采用改进MOPSO算法求解此多目标问题可以提高3.6%的经济效益,减小14 MW的功率波动。     

实现多目标优化的机场特种车辆调度算法

为保证航班正常运行,机场特种车辆必须高效完成地面保障服务任务。目前机场特种车辆的调度方式是单车单航班服务的人工调度方式,成本较高,且效率较低。针对该问题提出一种基于节约算法的解决方案。该方案分为两个阶段:第一阶段,利用节约算法求出满足行驶总路程最短的子路径集合;第二阶段,通过构建的新方法将每个子路径任务合理分配给所有车辆,实现车辆数目最少和任务量差异最小的目标。以国内某机场实际航班数据做算例进行实验,与单车单航班服务相比,总路程节省49.28%;与不加任务量约束相比,任务均衡度由43.55%提高到95.16%。实验结果表明,利用该算法调度特种车辆可大幅降低服务成本,且能实现任务均衡。     

基于GA-BFO的城镇住宅家庭用能多目标优化调度策略

针对城镇住宅家庭设备等用能的特点,建立一种包含多种可调度负载的家庭用能模型。以最小用户电力成本和最小负荷峰均比为优化目标,提出一种日前优化调度策略,并采用一种改进的细菌觅食优化算法进行求解。考虑用户临时需求变化对日前优化调度结果的影响,提出一种对短时间内的用能安排进行重新调度的实时优化调度策略,并引入0-1背包问题和动态规划方程对上述问题进行求解。算例结果验证了所提策略和改进算法的有效性。     

柔性作业车间调度问题的多目标优化算法

柔性作业车间调度问题具有解集多样化与解空间复杂的特点,传统多目标优化算法求解时容易陷入局部最优且丢失解的多样性。在建立以最大完工时间、最大能耗、机器总负荷为优化目标的柔性作业车间调度模型的情况下,提出一种改进的非支配排序遗传算法（Improved Non-dominated Sorting Genetic Algorithm II, INSGA-II）求解该模型。INSGA-II算法先将随机式初始化与启发式初始化方法混合,提高种群多样性;然后对工序部分与机器部分采用针对性的交叉、变异策略,提高算法全局搜索能力;最后设计自适应的交叉、变异算子以兼顾算法的全局收敛与局部寻优能力。在mk01～mk07标准数据集上的实验结果显示INSGA-II算法有着更优的算法收敛性与解集多样性。     

云环境中基于分解的多目标工作流调度算法

云服务提供商在给用户提供海量虚拟资源的同时,也面临着一个现实的问题,即怎样调度这些资源,以最小的代价(完工时间、执行费用、资源利用率等)完成工作流的执行。针对IaaS环境下的工作流调度问题,以完工时间和执行费用作为目标,提出了一种基于分解的多目标工作流调度算法。该算法结合了基于列表的启发式算法和多目标进化算法的选择过程,采用一种分解方法,将多目标优化问题分解为一组单目标优化子问题,然后同时求解这些单目标子问题,使得调度过程更为简单有效。算法利用天马项目发布的现实世界中的工作流进行实验,结果表明,和MOHEFT算法以及NSGA-II*算法相比较,所提出的算法能得到更优的Pareto解集,同时具有更低的时间复杂度。     

多目标柔性作业调度的优化研究

针对以生产周期、生产成本、设备利用率为目标的柔性作业调度问题,基于混合遗传算法提出了一种新的优化求解方法。首先建立了该类问题的调度模型,基于工序编码的染色体决定了工序调度的优先级;利用无量纲的标准化处理方法统一目标量纲;然后,利用层次分析法将多目标问题转化为单目标问题,同时为了保证算法的收敛性,在基本遗传算法框架的基础上集成了禁忌搜索算法,从而延缓或避免了早熟收敛的发生。最后通过实验仿真,证明提出的方法可以有效解决该类多目标柔性作业调度问题。     

基于改进多目标狼群算法的微电网调度优化

为获得微电网系统建设成本、环境成本和运行成本的多重目标优化,以构建系统独立运行模块和仿真模块为核心,设计了微电网系统的多目标调度模型。使用能量模块对微电网调度模型的建设成本、环境成本和运行成本指标进行评价,优化调度算法模块则使用基于个体密度多目标狼群算法(Multi-objective wolf colony algorithm,MOWCA)。在MOWCA算法中引入了非支配排序和个体密度多样性保持操作,有效提高了多目标优化的前沿分布多样性和收敛精度。将所提优化调度算法基于Docker容器技术,对风柴蓄光微电网系统进行调度优化模拟,验证了所提调度算法在多重目标优化上的有效性。     

基于模糊隶属度的智能电网电力调度多目标优化研究

在智能电网电力优化调度过程中,因求解目标分布范围较小,导致全局搜索能力较差,因此提出基于模糊隶属度的智能电网电力调度多目标优化方法。根据智能电网的工作模式,搭建电力调度架构。在电力调度架构中,从调度成本、可再生能源利用率和用户满意度三个角度确定电力调度目标,构建多目标优化数学模型。设计模糊隶属度求解算法,获取多目标优化最优解集,采用通过模糊识别策略从最优解集内选取最终优化调度方案。应用分析结果表明,所提方法应用后,求解目标分布范围大幅度增长,全局搜索能力得到了增强,可以有效提升智能电网电力调度水平。     

MobiWay应用中基于Hadoop的多目标多任务调度算法

针对Hadoop应用环境复杂、网络带宽等因素多变而影响调度算法性能的问题,提出适用于多任务多目标的Hadoop调度算法(MOSMT)。在分析已有调度算法工作原理的基础上,构建MOSMT算法的数学模型和调度策略;在负载模拟器中进行算法评估,并将MOSMT算法应用于MobiWay;对MobiWay应用中的MOSMT算法性能进行测试分析,以最少的资源和最低的时间成本完成任务的调度。通过与FIFO和Fair调度算法对比表明,该算法能够实现类似的功能,并且在处理多任务多目标时耗时更少,更为经济。