一种规模化混杂生产线缓冲区容量优化分配技术

针对传统技术难以解决规模化混杂生产线缓冲区容量分配问题(Buffer allocation problem, BAP), 提出了一种规模化生产线递阶分解建模并行寻优技术(Hierarchical decomposition modeling parallel optimizing technique of large-scale production lines, HDMPOT). 该技术结合混杂生产线系统综合方法与分解方法的技术思想, 兼顾生产线平衡性与系统规模, 将原系统递阶分解为包含虚拟生产线在内的n + 1个子生产线系统, 通过求解子系统的最优解构造原系统的渐近最优解, 并在系统递阶建模阶段, 提出了一种设备模糊聚类的辅助方式; 同时, 基于混杂生产线系统综合方法, 提出了一种系统渐次综合的初解改进确定方法; 并提出了一种通过构造动态步长来设计领域结构的改进型禁忌搜索算法(Simple tabu search, STS), 对子系统进行并行寻优. 最后, 对技术算法的收敛性进行了证明. 提出的生产线递阶分解建模并行寻优技术具有一般性, 对受设备随机故障等随机事件影响的生产线, 尤其是规模化生产线系统其他优化、控制问题也具有借鉴和参考价值.     

改进多目标鮣鱼优化算法求解多容量养老院选址分配问题

为应对未来老龄化时代的到来,完善养老服务体系,针对养老院的选址分配问题,在考虑用户满意度和覆盖率的情况下,构建多目标优化模型。首先,考虑老人对养老院的满意度、养老院相对于社区位置满意度以及养老院相对于大型医院位置满意度,构建了最大化平均满意度和覆盖率以及最小化建设成本的多目标选址分配模型。其次,针对模型的特点,融入两阶段思想,设计了一种改进鮣鱼优化算法对模型进行求解。实验结果表明,该算法能够快速且有效地获得一簇Pareto解,可权衡实际需求和对不同目标的偏好,考虑满意度或成本,在Pareto解中可选择恰当的养老院选址分配方案。最后,通过与其他三种算法的对比分析,验证了模型的可行性和算法的优越性。     

基于改进降顶算法的非可靠生产线最优缓存分配

缓存分配是生产系统设计中一个重要的优化问题.基于非可靠连续生产线递推分解方法及其统计特性,提出在给定缓冲配制条件下的蒙特卡洛生产线吞吐量仿真估算方法,相比于传统的吞吐量估算模型该方法能更准确地描述各种生产场景.通过构造具有记忆性的禁忌集改进了传统降顶算法,并将其应用于实际缓存最优分配方案搜索中.仿真结果表明,对于各种规模的平衡生产线和非平衡生产线,改进降顶算法都可以快速有效地搜索到最优解.     

多阶段传感器-武器-目标分配问题的建模与优化求解

本文在静态传感器–武器–目标分配(S–WTA)问题的基础上,将作战过程分为多个拦截阶段,以最小化来袭目标的剩余威胁的期望值为目标,建立了一种多阶段S–WTA问题模型.为了求解该问题,本文将多阶段S–WTA问题分解为两类作战资源分配子问题.首先,提出了一种基于知识的增量式构造型启发式算法对多阶段武器–目标分配子问题进行求解.根据已确定的多阶段武器–目标分配方案,提出了一种基于边际损失的构造型启发式算法求解多阶段传感器–目标分配子问题.结合两种低复杂度、快速构造型启发式算法实现多阶段S–WTA问题的有效求解.本文选取了基于随机排列(RP)的随机采样算法作为对比算法,并通过仿真实验验证了算法的有效性.实验结果表明,本文提出的算法在大部分算例的求解质量和时间成本上都优于RP算法.     

缓冲区有限的串行生产线的一种代数模型

本文基于有序事件模型研究了串行生产线在有缓冲区约束情况下的建模方法,给出了改进的代数模型,与原模型有相同的方程阶数和状态维数,因而计算量不增加.改进模型中所修改的参数具有明确的物理意义和简明的规律性,可以直接列写,文中附有建模实例予以验证.     

求解人力资源分配问题的多目标微粒群优化算法*

提出一种改进的多目标微粒群优化算法来求解人力资源分配问题.通过对种群进行正交初始化,保证了个体在整个可行解空间上的均匀分散,使得算法能够在整个可行解空间上进行均匀搜索;通过基于网格技术的外部存档非劣解删选策略,有效地保留了逼近Pareto前沿的非劣解;引入一种广义的学习策略来提升粒子向Pareto前沿收敛的概率.实验结...     

基于蚁群算法的多传感器目标分配模型

根据现代信息战的特点,分析了多传感器目标分配在数据收集和融合体系中的重要意义以及当前分配算法存在的问题.针对更加灵活地多对多分配问题,提出了一种带威胁系数和效用衰减度的循环分配方法,确立了新的目标函数,使传感器资源更多地流向威胁度高的目标,更加符合实际应用.针对目标分配这种NP问题,结合新的分配方法,建立了蚁群算法模型,通过算例仿真验证了该分配模型的可行性.     

基于多目标演化算法的云计算虚拟机分配策略研究

分析云计算虚拟机资源模型,针对模型中虚拟机与物理机的映射关系以及虚拟机多资源因子、多优化目标的特点,将虚拟机分配问题转化成多维装箱问题,引入多目标演化算法进行求解。算法设计了基于组的虚拟机分配链式编码和染色体评估函数,并根据编码设计了两种交叉算子和智能变异算子,通过引入基于超体积的种群更新机制,设计了基于SMS-EMOA的云计算虚拟机分配算法。为验证SMS-EMOA的性能,分别使用优先匹配启发式算法、基于物理节点数量的单目标简单遗传算法、SMS-EMOA进行了模拟。实验结果表明,基于SMS-EMOA的虚拟机分配算法在性能上更优。     

多约束集群目标下武器-目标分配问题

面对未来作战中高密度、多方位的集群智能体,传统点对点饱和攻击已不是最佳策略,可通过选择合适的武器类型和作用点实现火力覆盖,达到武器数量小于目标数量的最大杀伤效果。综合考虑安全目标、毁伤门限、偏好指派等作战需求,首先,建立了多约束多目标武器-目标分配（CMWTA）数学模型;其次,设计了约束违反值的计算方法,并采用个体编码、检测修复和约束支配相结合的方式处理多约束;最后,设计了针对多目标武器-目标分配模型的收敛性度量指标,并基于多目标进化算法（MOEA）框架进行了仿真分析。其中在进化算法框架对比中,SPEA2下的Pareto集合容量主要分布于[21,25]区间内,NSGA-Ⅱ下的Pareto集合容量主要分布于[16,20],而MOEA/D下的Pareto集合容量均小于16;在修复算法验证中,修复算法将三种进化算法框架的Convergence指标提升了20%以上,且可将Pareto解集中不可行解的比例保持在0%。实验结果表明,在求解CMWTA模型中,SPEA2算法框架在分布性和收敛性上优于NSGA-Ⅱ和MOEA/D算法框架,且所提修复算法有效地提高了进化算法对非支配可行解的求解效率。     

化工园区应急物资多目标分配问题建模与求解

化工园区应急物资分配是开展危化品事故应急救援的基础,主要研究如何对化工园区周边的应急物资进行合理的调配以便让应急物资尽快从各储备站输送到事故点,保障事故救援的顺利开展.然而,已有研究大都局限于单目标优化,且过于强调应急响应的时效性而忽视物资消耗的连续性.为此,首先构建一种面向多储备站、多种应急物资、单事故点的应急物资多...     

HBBA: hybrid algorithm for buffer allocation in tandem production lines

In this paper, we consider the problem of buffer space allocation for a tandem production line with unreliable machines. This problem has various formulations all aiming to answer the question: how much buffer storage to allocate between the processing stations? Many authors use the knapsack-type formulation of this problem. We investigate the problem with a broader statement. The criterion depends on the average steady-state production rate of the line and the buffer equipment acquisition cost. We evaluate black-box complexity of this problem and propose a hybrid optimization algorithm (HBBA), combining the genetic and branch-and-bound approaches. HBBA is excellent in computational time. HBBA uses a Markov model aggregation technique for goal function evaluation. Nevertheless, HBBA is more general and can be used with other production rate evaluation techniques.     

货架分配问题的一个有效混合遗传算法

针对货架分配问题提出了一个遗传算法与模拟退火算法及一个局部搜索算法混合的算法。首先,设计了一种比较直观的编码方法,用一个矩阵作为一种货架分配方案。第二,设计了与编码相应的杂交和变异算子,并且杂交、变异都能生成可行解,不需要对解进行修正。第三,为了能够生成好的初始种群,定义了一个阀值,这个阀值不仅反映了解的适应值的信息,而且还反映解的结构的信息。第四,为了增加算法的局部搜索能力,同时又尽量不增加计算的复杂度,让模拟退火算法和一种局部搜索算法并行作用于相应的子群。通过大量的数据模拟实验及与其他的几种算法模拟结果进行比较,实验显示,该算法不论是计算结果还是算法的稳定性都优于其他算法。     

非均匀业务流下的片上网络缓冲区分配算法*

针对片上网络的非均匀业务流,提出一种基于模拟退火遗传算法的缓冲区资源分配算法,对系统的有限缓冲区资源的分配问题进行了研究。该算法建立在二维Mesh结构的片上网络通信模型基础上,根据各节点间的业务流特征,估计出节点中各输入通道的负载大小,再根据其负载情况采用模拟退火遗传算法进行缓冲区资源的分配,从而使整个网络的平均延时性能最优。实验中设置了不同的热点位置和热度,结果表明,该算法可以更合理地分配缓冲区资源,有效降低数据包的传输延时。在单热点通信流量下,热度为100%和300%时,可分别降低传输延时32.58% ~ 65.29%和35.54% ~ 70.38%;在双热点通信流量下,可降低传输延时52.02% ~ 70.43%。同时,该算法具有良好的收敛性。     

一种启发式网络虚拟化资源分配算法

网络虚拟化是克服当前Internet僵化问题的一种重要方法,而资源分配是网络虚拟化技术的核心.为了平衡负载,本文提出了一种启发式资源分配算法HVNE.该算法充分利用虚拟节点和虚拟链路间的关联因素(虚拟网络拓扑),将节点映射和链路映射两个过程合并为一个统一的过程,改善了传统映射算法在拓扑稀疏时,算法性能不理想的问题.此外,HVNE允许同一个虚拟请求中的多个虚拟节点映射到同一个物理节点,节约了物理链路资源.HVNE将无向图的"k-区域划分优化"理论与传统的拓扑分割理论相结合,定义了虚拟拓扑间节点的关联因子,改进了传统的星形分割方法,使之能适用于大规模网络.仿真实验表明,HVNE在保证网络负载的情况下,获得了较好的虚拟请求接受率,较高的资源利用率和网络收益.     

混合启发式算法在汽车调度中的应用

将蚁群优化和变邻域下降搜索VND相结合,形成一种混合启发式算法ACS_VND,应用于客运公司的汽车调度,求解车辆需求数和最佳路径。该算法充分利用了2种不同算法的优点。实验结果表明,算法ACS_VND能在较短时间内获得比单个算法更好的车辆调度路径。     

IEEE 802.11n系统中自适应混合优化功率分配算法*

为解决IEEE 802.11n系统中的功率浪费现象,提出了一种先注水后调和平均值（first-water filling-last-harmonic, FWLH）的自适应混合优化功率分配算法。首先利用注水算法（water-filling algorithm）计算判别信道质量的阈值,对阈值以下的信道关闭不分配功率,对阈值以上的信道采用调和平均值算法(harmonic algorithm, HARM)进行功率分配。仿真表明,在误码率方面,FWLH算法比注水算法和HARM算法分别降低了大约100倍和20倍,使     

基于混合蚁群算法的MAS任务分配*

在MAS（多agent系统）中,由于任务的复杂性和agent求解问题能力的不同,任务和agent不再是传统的一对一的关系。为解决MAS的任务分配问题,提出了任务与agent之间多对多的任务分配模式。首先建立了任务分配的数学模型,并导出分配优化的目标函数;其次利用混合蚁群算法快速收敛和分布式求解的特点实现任务分配的组合优化。对实验仿真的结果分析表明,多对多的任务分配模式能够明显提升多agent系统的性能。     

基于自适应混合启发算法求解一类JSP问题

为解决一类Job Shop问题,提出了一种具有自适应机制的新的混合算法。该算法在分析和比较模拟退火算法和遗传算法的基础上,针对它们都缺乏全局指导机制的共同问题,引入具有自适应能力的全局指导策略,建立起个体与种群之间的反馈机制,混合后的算法还综合了两种启发算法的各自优点。通过具体的算例验证了该算法的有效性。     

钢铁企业生产能力平衡模型及启发式算法

针对钢铁企业生产能力平衡配置问题,建立了非线性数学模型,形式化地描述了钢铁产品对资源和能力的竞合关系,提出了平衡下的多个优化目标。针对问题的模型及其特点,提出了基于约束满足技术的启发式算法,算法通过优化目标指导变量排序,在变量赋值过程中采用约束传播和回溯技术,缩减变量值域、解消约束冲突,提高了计算效率。基于企业实际生产数据的仿真实验结果验证了模型和算法的有效性。