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.     

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.     

面向工件的多目标柔性Job Shop调度问题研究

针对各工件目标不同的多目标柔性Job Shop调度问题,提出了一种基于混合遗传算法的优化求解方法。首先建立了该类问题的调度模型;然后,在基本遗传算法柜架的基础上,通过两层意义上的随机权重法,将多目标问题随机转化为单目标问题,同时为了保证算法的收敛性和Pareto解的多样性,混合遗传算法集成了精英保留策略和小生境技术;利用层次分析法与模糊综合评判集成的方法,从Pareto解集中选出最优妥协解。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Job Shop调度问题。     

多模式资源受限项目调度问题的优化方法

为求解多模式资源受限项目调度问题,提出了一种结合粒子群优化算法（PSO）和基因表达式编程（GEP）的混合优化算法。其中,PSO用来提供活动执行模式组合,GEP用来构造在给定活动执行模式下的调度规则。调度规则由项目状态和活动属性构成,与其他优化方法相比,这是一种新的编码方式与求解方法,也更符合实际应用。对于粒子所表达的不可行活动模式的组合,设计了粒子调整算法,以满足项目调度中可更新资源和不可更新资源总数的约束。最后给出了混合优化算法求解步骤,并采用该算法对项目实例进行了计算与分析,验证了算法的有效性。     

面向应急救援的多目标资源调度机制

突发公共事件发生后,应急资源调度作为应急管理的重要环节,是其实现救援价值的重要体现.首先从应急管理角度分析了资源调度策略的影响因素,然后以优化时间满意度、成本耗费和需求满意度为目标构建多目标应急资源调度模型,通过引入粒子群算法求解多目标函数,决策出效用满意度最大的资源调度方案.最后,以效用满意度作为应急资源调度的均衡性指标.仿真实验结果表明,该方法具有较好的效用满意度,提高了资源调度的有效性.     

具有模糊信息的多目标运输问题求解

提出一种求解具有模糊信息的多目标运输问题的方法.利用专家意见通过模糊算法集结从各产地到各目的地运送单位物资的模糊综合指标值,运用一种对模糊数排序的方法,将模糊多目标运输问题转化为单目标的运输问题进行求解.最后给出了一个数值例子.     

多资源约束下的多项目作业调度问题研究

分析了多资源约束下多项目作业调度问题的性质和特点,建立了以拖期最短为目标的数学模型.基于资源上作业排序形成的时序关系以及各项目内部作业间时序关系组成的新时序关系图,提出求解该问题的一般算法.为降低一般算法的计算量和复杂度,使算法能够应用到实际工程,将一般算法和规则相结合,提出一种启发式算法,给出具体的算法步骤.计算示例表明,给出的算法能有效求解多资源约束下多项目作业调度问题.     

一种求解资源受限项目调度问题的差分进化-布谷鸟搜索算法

提出一种新颖的求解资源受限项目调度问题的差分进化-布谷鸟搜索(DE-CS)算法。DE-CS算法以全局搜索能力强的布谷鸟搜索算法为总框架,通过嵌入具有记忆搜索功能的差分进化算法,结合不同的个体更新操作,增加种群的多样性以改善算法收敛性。采用任务优先级编码和串行进度生成机制来求解PSPLIB问题库中J30、J60、J120的全部480、480和600个问题,以验证算法的有效性,并与多种算法调度结果进行对比。数值试验和算法比较验证了DE-CS算法求解RCPSP问题的有效性。     

基于多目标进化算法的电力市场福利分配研究

在边际成本定价机制下,电力库集中调度的结果可能使发电商(机组)的收益低于在给定价格时其独立调度所能获得的最大收益.围绕电力市场中社会福利分配这一主题,首先分析了由于市场参与者个体利益和电力库整体利益二者矛盾导致的机组收益次优化问题,提出了发电商(机组)优化间隙的概念.然后以发电商优化间隙和利益补偿函数为基础,建立了电力市场社会福利分配的多目标优化模型,并设计了基于多目标进化算法NSGA-Ⅱ的求解算法.     

求解多目标柔性作业车间调度问题的离散人工蜂群算法

作业车间调度问题是一类典型的组合优化问题,要求多个作业在不同的机器上进行加工,目的是获得最好的作业加工序列,以满足特定的性能指标。柔性作业车间调度问题是对传统的作业车间调度问题的进一步扩展,由于求解的复杂性,使得传统方法很难在有效的时间内获得问题的最优解。人工蜂群算法是近年来提出的一种受生物行为启发的优化算法,该算法主要通过模拟蜜蜂的觅食来实现问题的求解。提出了一种离散的人工蜂群算法于求解柔性作业车间调度问题,算法通过交叉方式来搜索潜在的更好的蜜源,并采用自适应的变异策略来降低早熟收敛的可能性。最后通过对比实验证明算法对于求解多目标柔性作业车间调度问题是有效的。     

Pareto多目标模糊调度算法研究

针对企业项目调度中具有多个目标的特性,现实情况中面临资源的可用时间和活动的执行时间具有不确定性,提出了多目标模糊调度模型.在多目标模糊项目调度模型的基础上提出了Pareto多目标模糊遗传调度算法,针对调度中所获得的解空间的多样性问题,在多目标模糊调度算法中引入共享机制平衡解空间的分布.最后对算法进行了实例验证并与其他多目标调度问题的算法进行了比较,验证其有效性.     

负载自适应的异构MPSoC任务调度算法研究

在异构MPSoC中,并行任务通过调度算法被分配到各个处理器核上运行,因而任务调度算法的优劣将直接影响异构MPSoC的应用性能。根据处理器核类型和任务间依赖关系,以减小任务间通信开销为目标,提出一种具备负载自适应能力的异构MPSoC任务调度算法。首先,将待调度任务集划分为多个并行任务子集;其次,在考虑处理器核负载的基础上,根据并行任务子集集合、处理器核集合及任务子集在各个核上的执行效率生成赋权二部图;最后,利用赋权二部图最大权匹配方法,将并行任务子集合理地调度到负载适应的处理器核上运行,以降低任务集的平均调度长度,并提高处理器核利用率,从而实现异构MPSoC应用性能的提升。仿真实验在不同的任务总数、任务最大前驱数、核类型、核数量的应用场景下,通过任务集平均调度长度、处理器核利用率两项指标对提出算法进行了定量分析。结果表明,提出算法能有效降低任务集平均调度长度,在实现负载自适应的同时提高异构MPSoC处理器核的利用率。     

分布式网络管理中的任务管理与任务调度的研究

分布式网络管理是现在网络管理的重要发展方向，而任务管理与任务调度又是分布式网络管理的核心问题．本文从计算机网络管理角度出发，利用网络管理的方法，实现任务的主动管理，并通过调度算法对任务进行有效调度，解决网络中大部分的计算机资源因未被充分利用而造成的浪费及单个计算机中多个大任务的执行花费过多时间的问题．不仅使多个大任务在最短时间内完成．而且最大限度地利用网络资源。     

综合客运枢纽接驳运能协调调度的多目标优化问题

综合客运枢纽是一个集铁路客运、公路客运、常规公交、轨道交通、社会车辆于一体的复杂系统,枢纽的协调调度是十分重要的。通过优化综合交通枢纽不同交通方式的运能分配比例,对枢纽系统费用和乘客花费时间进行了分析,建立了以运能匹配度为约束条件的多目标优化模型,使用线性加权法、α-方法两种多目标优化方法,利用LINGO优化软件对模型进行了求解,得到了使得公交线路、轨道交通等不同交通方式能够更高效协调的运能优化结果,并对结果中的平均乘车时间进行了敏感度分析。     

基于蚁群算法的云任务调度研究

针对云计算中任务分配算法效率不高的问题,提出了一种改进的蚁群算法来解决云计算中的任务分配问题。首先假定要分配的任务为蚂蚁的起点,执行任务的虚拟机为蚂蚁的终点,任务分配的过程就是蚂蚁从起点走到终点的过程。然后随机选择一个任务作为蚂蚁的起点,用改进的蚁群算法计算后把任务分配给相应的虚拟机,直到所有任务都分配完成。最后当所有蚂蚁都把任务分配完成后,选择代价最小的路径作为本次任务分配的方案。通过使用cloudsim仿真器进行仿真实验,证明了蚁群算法能够有效的解决云计算中任务分配的问题。     

基于遗传算法的多配送中心运输调度研究

多配送中心的车辆调度问题是一个较难的组合优化问题,也是一类典型的NP—hard问题。遗传算法作为一种有效的优化算法得到了广泛的应用。为了解决了物流多配送中心的运输问题,文章运用新的交叉变异方法提出了一种改进的遗传算法。该算法保持了良好的种群多样性,具有更高的性能。     

网格任务调度模型的研究

网格任务调度是采用适当的调度策略把应用程序分配到异构的计算节点上进行高效的执行并返回正确结果的过程。本文研究了经典网格任务调度模型,分析了各自的优缺点,并提出了一种包含有树形全局调度模型和局部调度模型的两层结构模型,此树形全局调度模型通过负载从根节点自上而下的迁移,能够很好地实现网格系统的负载平衡。通过二叉树的节点删除算法能够很好地解决模型中节点的失效问题,因此具有很好的安全性和可靠性。     

基于蚂蚁算法的网格计算任务分类调度方法的研究

介绍了网格计算应用开发和任务调度优化的研究工作.分析了适合于网格环境的网格应用,提出一种基于蚂蚁算法的任务分类调度方法,通过大量的试验数据验证了改进方法的效果.     

基于孔径分割的多功能电子系统任务调度研究

任务调度技术是雷达、通信、电子战等多功能电子系统的关键技术.针对多功能电子系统射频端通过孔径分割来实现多波束的问题,提出了其实现路径,并对各自任务的孔径波束发射进行了分析研究;根据任务优化调度,在建立任务调度模型的基础上,提出了一种基于孔径分割的任务调度算法,并进行了仿真分析.仿真结果表明,这种基于孔径分割的多功能电子系统任务调度算法具有可行性和有效性.