期望按期完工工件数最大化算法研究

该文讨论工件加工时间为随机变量的单台机排序极大化期望按期完工工件数问题。在确定性排序问题中，Moore算法给出问题的最优解，但事实上Moore算法的期望值版本不能给出期望按期完工工件数最大化问题的最优解。文章从研究排序中工件的按期完工置信系数人手，结合Moore算法，提出了一个启发式算法，有效地解决了该随机排序问题的实际计算。     

机器带故障的两台机排序问题的一个近似算法

讨论机器带故障中断的两台平行机排序问题,目标为极小化误工工件数,在转移时间t=0时的排序问题是问题P2｜D=∞,t=0｜∑u′ij,该文给出了相应的算法,并利用该算法,考虑了当工件转移时间t〉0时的NP难的排序问题P2｜D=∞,t≠0｜∑u′ij。该文使用对前一问题的最优序π^＊当中的工件相交换,使得增加误工工件数尽量少的方法,提出了一个差界为1的多项式时间的近似算法,并给出了证明及算法的计算复杂性。     

关于最大团问题的一种新算法

提出了关于最大团问题的一种新思路--基于平均度排序的局部枚举算法.对于一般的随机图G而言,图中含有最大团(d(G) 1)-团的概率要明显大于δ(G)-团或△-团.此算法通过了在随机图上进行实算的测试.实际计算结果表明:基于平均度排序的枚举算法比目前一般的基于枚举思想的算法更有效,其程序易于并行执行,值得进一步研究.     

Lawler最小最大化原则用于成组排序问题1｜s1｜fmax

本文讨论了成组排序问题，规定工件必须按要求分成若干组进行加工，一组内的工件必须连续加工，我们给出了最大费用问题最优序条件以及求最优序的算法。     

一种基于GPU的枚举排序算法及其并行化

针对枚举排序算法在处理大规模数据时存在运算量大、计算时间长、计算效率低等问题,提出一种利用GPU并行运算提升大规模数据处理速度的方法。在CUDA下对枚举排序算法进行串-并行分析,分别从细粒度与粗粒度角度进行优化,根据CPU与GPU的结构特点优化排序数据的读取和存储方式,内核采用一个GPU线程对应一次比较操作的计算方法,以充分利用GPU计算能力。实验结果表明,当排序数据规模大于40 000时,在GPU上的运算速度比在CPU上快3倍左右,并且随着数据规模的不断增大,加速比越来越大。研究结果对于提升大规模数值计算效率具有重要的意义。     

误工工件个数最少的多目标排序问题

考虑在误工工件个数最少的约束条件下使得工件集合的总完工时间为最小的单台机器多目标排序问题.首先要使得误工工件个数∑Uj为最少,著名的Moore-Hodgson算法得到的排序就是一个可行解,并且该算法在遇到误工工件时总是尽可能把加工时间最长的工件放到误工工件集合L中,这也符合使总完工时间∑Cj为最小的目的.然而以往文献中的例子显示,这样得到的解并不总是最优解,这就暗示了该问题的复杂性,因此给出了不同于以往文献的分支定界算法及其Matlab解,简化了计算过程.     

基于遗传算法的近似最大连通分量的抽取算法

提出了一种基于遗传算法的近似连通图的抽取算法，通过定义编码、种群初始化方法和交叉变异修正使得遗传算法可以解决最大连通分量的抽取问题．为验证该算法，将该算法与RACLIQUE进行了比较．实验结果表明本文提出的算法在解MCP问题时，执行的速度受节点规模变化小，效率优于RACLIQUE算法．     

一类串行工件同时加工排序问题的研究

研究目标为带权总完工时间的串行工件同时加工排序问题,证明该问题在分批数固定时的NP困难性,并基于数学规划提出随机化算法。最后,对特殊分批进行了讨论。     

用自适应搜索算法拟合太阳电池I-V曲线

分析了序贯数论优化算法(SNTO)用于太阳电池I-V曲线拟合时的不足之处，结合遗传算法中自适应搜索的思想，用自适应搜索算法改进了SNTO算法．该算法的基本过程是：以太阳电池等效电路的数学模型为基础建立目标函数；在拟合时，利用自适应搜索算法来随机地确定收缩比，即用第t次拟合中的计算结果来确定第t 1次的最优参数可取值范围，使各步中目标函数的参数空间构成一个最优决策序列．拟合结果表明，该算法比直接采用序贯数论优化算法(SNTO)具有更少的计算量，更高的收敛性和鲁棒性。     

工业生产中一个带有拒绝费用的工件排序问题研究

在工业生产中,生产决策者为了获得最大利润,可能接收一个工件,也可能拒绝一个工件.为了解决哪些工件应该被接收,哪些工件应该被拒绝问题,本文研究了工业生产中一个带有拒绝费用的工件排序问题,对该问题设计了一个动态规划算法.     

交货时间区间内完工工件个数最多的近似算法

在现代生产管理中,合理安排工件使所加工的工件准时交货是极其重要的,工件提前完工和延误完工都会增加费用,使尽量多的工件在其对应交货时间区间内完工的排序问题是NP困难的。本文讨论了m台平行机交货时间区间内完工工件个数最多的排序问题,给出了一个求解这一问题的多项式时间近似算法。     

网络运维中现场作业任务调度的研究

针对网络运维现场作业调度中大量作业任务请求时效率低下、作业任务有所改变时无法自行调整等问题,提出基于改进遗传算法的网络运维中现场作业调度算法.该算法基于作业任务-资源的间接编码方式,结合网络运维中现场作业资源调度的特点,通过对每个维护人员设置作业任务数量的上限,避免某个维护人员负担任务数量过多,有利于提高服务质量以及资源的利用率.经过仿真实验,结果表明使用遗传算法可有效解决网络运维中资源调度问题.     

带软时间窗的公共自行车调度路径问题

为了提高公共自行车调度的效率,研究了一种带软时间窗的自行车调度路径问题.首先根据公共自行车调度工作内容,建立多目标调度路径模型,然后设计一种改进的蚁群算法对模型进行了求解.实验结果显示,本文方法求解的调度路径比模拟退火算法、蚁群算法和遗传算法分别缩短了18.4%、24.3%和13.0%,而且还能有效节约调度车辆.     

带准备时间的平行机排序的LPT算法

本文考虑带准备时间的平行机排序问题，讨论在使最早机器完工时间达到最大目标下的优化问题．这是ＮＰ－ｈａｒｄ问题，本文证明ＬＰＴ排序解至少是最优解的倍．     

网格环境中基于蚂蚁算法的任务调度策略的改进

任务调度和负载均衡是网格计算环境中影响系统性能的重要问题．由于网格资源通常是位于不同的地理位置,由不同的组织管理,加之系统可能发生故障,所以在大型网格环境中任务调度和负载均衡是一个非常复杂的问题．本文应用改进的蚂蚁算法,通过增加负载平衡因子,将用户提交的任务合理地映射到相对空闲的网格资源上,有效地实现了任务的合理调度和负载均衡．     

基于Petri网仿真的柔性生产调度——蚁群-遗传递阶进化优化方法

利用受控赋时Petri网对柔性生产线调度中的离散事件建模,此Petri网模型由过程流子网、资源子网和调度控制子网通过同步变迁连接而成.在由Petri网仿真运行获得调度性能评价的基础上,采用两级递阶进化优化方法求解柔性生产过程的优化调度问题.首先由蚁群优化方法优化加工路径,然后根据蚁群在信息素指引下所构造的加工路径,采用遗传算法优化在同一机器上加工的作业排序.应用蚁群优化原理提出了加工路径优化问题的信息素表达方式,解构造策略和信息素更新策略.一组测试问题的求解结果说明了算法的有效性和鲁棒性.     

可迁移网格依赖任务重调度模型及算法

针对可迁移依赖任务的重调度问题,提出了基于约简DAG可迁移任务图的重调度模型,并基于免疫遗传算法实现了以提高应用性能为目标的求解算法.实验表明,与经典的动态调度算法Max Min和基于启发式的AHEFT静态算法相比较,由于调度目标的一致性,初始调度的性能在重调度过程中被较好地保持,并且由于任务迁移的支持和遗传算法在全局优化上的性能优势,应用性能得到较大提升;又由于任务图的约减过程和免疫因子对算法收敛的作用,提出的IGA算法效率得到显著改善,使资源动态性和异构性的适应能力得到进一步增强.     

带硬时间窗的共同配送车辆调度问题研究

针对带硬时间窗的共同配送车辆调度问题,提出Sweep算法和PMX算子相结合的遗传算法。以长株潭城市群生鲜食品共同配送中心区域内的配送数据作为实验对象,采用组合遗传算法进行分析,在客户要求的时间范围内,合理安排车辆的行驶路线,使共同配送总费用最低。最后,将本算法与启发式算法、遗传算法进行比较,分析结果表明,本算法得到的共同配送车辆调度方案更优。     

四向穿梭车系统的提升机调度优化

提升机作为四向穿梭车系统的瓶颈资源,其调度方案的优劣与系统作业效率密切相关。针对提升机的调度问题,提出了一种调度策略。首先,将提升机调度问题转化为含运输时间的柔性作业车间调度问题,并考虑同层任务的执行顺序约束,构建提升机调度数学模型。其次,提出了一种改进型混合遗传算法对模型进行求解,该算法以混合遗传算法为基础,针对混合遗传算法易产生不合法个体导致算法搜索能力下降的问题,提出了一种个体修正方法,以增强算法的搜索能力。最后,采用某农产品冷库的实际数据对模型及改进型混合遗传算法的可行性与有效性进行了验证。结果表明,相比于仓库中实际应用的策略,改进型混合遗传算法可使任务完成时间至少减少24.66%。