卫星成像规划调度系统中的可视化决策支持研究与实现

本文提出了一种成像卫星规划与调度的可视化决策支持方法。该方法基于多目标进化算法和地理信息系统技术,能够在考虑多目标准则、多约束的条件下对成像卫星的成像方案进行优化,并通过可视化技术进行成像方案的决策辅助,很好地解决了卫星规划调度优化方案制定的问题。     

应急物流车辆调度多目标鲁棒优化研究

针对应急物流车辆调度问题中对于经济性、时效性、可靠性和鲁棒性的多种要求，考虑了含有时间窗、不确定需求、不确定行驶时间，以及路段含有失效风险的多目标鲁棒车辆路径优化问题，通过定义新的成本函数、满意度函数、风险度函数和鲁棒度函数作为四个优化目标来构建模型，并基于鲁棒优化理论将不确定模型转化为确定性鲁棒对应模型求解，为解决不确定环境下优化问题提供了新的思路。算法方面，主要基于SPEA2算法框架求解该多目标模型，针对算法缺陷提出多种改进策略，并通过对比实验证明了改进策略的有效性。     

成像卫星星地联合成像调度

成像卫星星地联合调度问题,涉及调度对象众多,约束条件复杂,需要考虑任务的观测、回传2个过程,是一个具有两层时间窗口约束的双层优化问题,统一建模困难。根据问题的特点,采用基于阶段优化的方式,降低了问题的复杂性。把问题分为观测调度阶段和数据回传调度阶段,分别给出了优化目标和约束条件,建立了基于阶段优化的成像卫星星地联合调度模型,实现了从任务观测到数据回传的全过程调度。仿真实例表明,该方法能够有效解决多星多站的协同任务调度问题。     

考虑设备随机故障的装备维修作业调度方法

装备维修过程中,维修设备随机故障这一不确定因素易对正常的维修计划造成影响。为了优化制定维修设备随机故障条件下的维修作业调度决策方案,依据维修设备的故障特点,提出一种基于组合调度策略的维修作业调度方法。调度方法兼顾完成时间与鲁棒性两方面目标,通过调度优化模型生成调度决策方案,并采用一种组合调度策略进行方案调整以改善决策方案的鲁棒性。通过随机故障事件模拟实验与分析,验证了调度方法能有效地减少设备随机故障造成的工序延误。     

基于不确定作业时间的FSM P 调度问题研究

针对一类加工时间不确定的FSMP调度问题，建立了基于扩展期望区间数近似不确定参数的优化模型．提出了利用扩展期望区间数构造参数近似边界的取极大运算方法，给出了包含不确定度控制指标的多目标优化模型．基于算例，讨论了决策因子和不确定度控制指标对调度性能的影响，仿真结果及分析表明了该模型和算法的有效性与鲁棒性．     

基于坏场景集的抗风险鲁棒调度模型

讨论了场景描述的不确定环境下的鲁棒调度模型. 通过对传统不确定调度模型在追求优良性能的积极性和抗风险的保守性两方面对抗和均衡关系的透视和分析, 建立了一种新的鲁棒调度模型.该模型的优化目标由平衡因子将期望性能和抗风险鲁棒度量组合而成. 抗风险鲁棒度量基于坏场景集概念而定义,坏场景集中坏场景的数目可由一个基准性能来调节,当平衡因子或者基准性能变化时, 构成一族鲁棒调度模型.一系列的定理阐明了本文提出的鲁棒调度模型族与传统不确定调度模型之间的关系, 给出了该鲁棒调度模型有效的条件.仿真测试实验针对加工时间不确定的Job-shop调度问题进行, 计算结果表明新模型在追求优良性能的积极性和抵抗风险的鲁棒性方面相对传统模型具有了更好的全面性和综合性, 可以实现调度解在不同场景下的期望性能和抗风险鲁棒性的更好平衡.     

一种不确定条件下的多目标流水车间调度优化算法

实际中大多数生产调度问题具有多目标优化的性质,本文讨论在不确定加工时间和机器故障的情况下.如何优化多目标流水车间调度问题.首先设计最大流程时间和最大延迟时间两类指标的求解方法,在此基础上提出一种多目标遗传算法,用来迭代求解不确定条件下两类目标的最优化问题.模拟实验的结果表明,本文算法方案可较好解决不确定条件下的流水车间调度问题.     

不确定环境下集装箱码头泊位与岸桥联合调度

在集装箱码头操作系统中,有效的泊位岸桥调度计划有助于提高码头的运营效率和客户满意度。针对船舶到港时间和装卸作业时间随机的泊位岸桥联合调度问题,综合考虑了连续泊位下船舶偏离偏好泊位产生的惩罚时间,并通过添加延缓时间的方法来吸收不确定性因素带来的影响。为了体现调度计划的鲁棒性,将延缓时间添加在目标函数中,建立了以船舶在港总时间、偏离偏好泊位的惩罚时间、客户满意度和延缓时间之和最小化为目标的混合整数规划模型,提出一种自改变遗传算法和启发式靠泊相结合的改进遗传算法对模型进行求解;通过算例分析,证明了提出的改进遗传算法在计算不确定环境下的泊位岸桥联合调度问题的有效性。     

基于改进烟花算法的密集任务成像卫星调度方法

传统卫星调度模型一般比较简单,当问题规模较大、任务比较集中时,往往会出现任务之间相互排斥,任务收益较低等缺点。针对这个问题,提出一种基于改进烟花算法（IFWA）的密集任务成像卫星调度方法。该方法在分析密集任务处理及成像卫星观测特点的基础上,首先对任务进行合成约束分析,然后基于合成任务综合考虑成像卫星可观测时间、任务间姿态调整时间、成像卫星能量和容量等约束因素,建立基于任务合成的多星密集任务调度约束满足问题（CSP）模型,最后改进烟花算法对该模型进行求解,利用精英选择策略在保证种群多样性同时加快了算法的收敛,得到较优的卫星调度方案。仿真结果表明该模型相比没有考虑任务合成因素,收益平均增加30%~35%,改进算法后效率上提升32%~45%,有效保证了调度方案的可行性和有效性。     

基于强化学习的卫星网络资源调度机制

与传统同步轨道通信卫星(GEO)相比,以SpaceX、Starlink、O3b等为代表的新一代中低轨卫星互联网星座具备广域覆盖、全时空互联、多星协同等显著优势,已成为当今世界各国研究的焦点之一。传统卫星资源调度方法主要研究单颗GEO卫星下的资源调度问题,难以满足以多星协同、联合组网、海量用户为特征的低轨卫星星座的资源调度需求。为此,构建了基于用户满意度的多星协同智能资源调度模型,提出了一种基于强化学习的卫星网络资源调度机制IRSUP。IRSUP针对用户服务定制的个性化需求,设计了用户服务偏好智能优化模块;针对多星资源联合优化难题,设计了基于强化学习的智能调度模块。模拟仿真结果表明:IRSUP能有效提高资源调度合理性、链路资源利用率和用户满意度等指标,其中业务容量提升30%～60%,用户满意度提升一倍以上。     

Multi-objective optimization model for multi-project scheduling on critical chain

In this paper, a multi-project scheduling in critical chain problem is addressed. This problem considers the influence of uncertainty factors and different objectives to achieve completion rate on time of the whole projects. This paper introduces a multi-objective optimization model for multi-project scheduling on critical chain, which takes into consideration multi-objective, such as overall duration, financing costs and whole robustness. The proposed model can be used to generate alternative schedules based on the relative magnitude and importance of different objectives. To respond to this need, a cloud genetic algorithm is proposed. This algorithm using randomness and stability of Normal Cloud Model, cloud genetic algorithm was designed to generate priority of multi-project scheduling activities and obtain plan of multi-project scheduling on critical chain. The performance comparison shows that the cloud genetic algorithm significantly outperforms the previous multi-objective algorithm.     

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。     

InSAR双星编队测绘卫星任务规划方法研究

针对双星编队干涉合成孔径雷达(Interferometric Synthetic Aperture Radar, InSAR)测绘任务的特点,考虑双星编队卫星平台的约束条件,采用多目标优化和基于优先级的遗传优化算法,实现了双星编队任务规划的各个关键步骤的设计,并对测绘任务进行了系统仿真,求取了测绘任务规划结果,最终获得了任务规划的最优解。经过与贪婪优化算法仿真结果对比分析,采用的基于优先级的遗传优化任务调度算法在双星编队卫星测绘任务优化问题求解方法方面具备明显的优势,卫星系统资源分配效能达到最优,对卫星资源的合理分配起到了关键作用。     

基于二叉知识树推理的可扩展智能排课系统

针对高等院校整体教学资源条件下的复杂多约束、多目标组合优化排课问题,提出了一种基于二叉树知识推理的可扩展智能排课算法并进行系统研发.结合实际教学过程中涉及的课程、时间、专业、教室、教师和可信度模型进行定义,构建了智能排课模型,设计了系统结构和排课算法.原型系统利用不确定性推理巧妙地解决了排课过程中棘手的软约束问题,并将...     

基于模糊物元模型的高维多目标FJSP研究*

为解决高维多目标柔性作业车间调度问题,提出了一种基于模糊物元模型与粒子群算法的模糊粒子群算法（Fuzzy Particle Swarm Optimization,FPSO）。该算法以模糊物元分析理论为依据,采用复合模糊物元与基准模糊物元之间的欧式贴近度作为适应度值引导粒子群算法的进化,并引入具有容量限制的外部存储器保留较优的Pareto非支配解以供决策者选择。此外,构建了优化目标为最大完工时间、设备总负荷、加工成本、最大设备负荷与加工质量的高维多目标优化模型,并以Kacem基准问题与实际生产数据为例进行仿真模拟与对比分析。结果表明,该算法具有良好的收敛性且搜索到的非支配解分布性较好,能够有效地应用于求解高维多目标柔性作业车间调度问题。     

基于TSAPO的柔性作业车间计划和调度

为使多目标柔性作业车间计划与调度的制定更适合实际生产的动态变化,提出增加动态反馈的闭环柔性作业车间计划模型及二阶式蚁群粒子群混合优化算法TSAPO。通过增加动态监视功能,及时更新和反馈实际生产数据。利用对优化目标的二阶段分解,设计带有反馈机制的调度算法。实验结果证明,该算法在求解多目标柔性作业车间调度问题中具有较好的优化效果。     

多可再生能源冷热电联供微网系统环境经济优化调度

针对含多种可再生能源的冷热电联供微网系统调度优化问题,提出微网系统最小运行费用和二氧化碳排放的多目标调度优化模型,并结合启发式调度规则,采用改进多目标交叉熵算法获取Pareto最优解集.为了提高算法的收敛速度和求解精度,依据重要抽样理论将多目标优化定义为小概率事件,并引入样本分段生成策略和参数更新机制.算例仿真表明,所提出的多目标模型及其优化算法能够使微网系统获取较好的经济和环境效益,满足用户多样性的优化需求.     

基于Map-Reduce模型的云资源调度方法研究

为提高Map-Reduce模型资源调度问题的求解效能,分别考虑Map和Reduce阶段的调度过程,建立带服务质量(QoS)约束的多目标资源调度模型,并提出用于模型求解的混沌多目标粒子群算法。算法采用信息熵理论来维护非支配解集,以保持解的多样性和分布均匀性;在利用Sigma方法实现快速收敛的基础上,引入混沌扰动机制,以提高种群多样性和算法全局寻优能力,避免算法陷入局部最优。实验表明,算法求解所需的迭代次数少,得到的非支配解分布均匀。Map-Reduce资源调度问题的求解过程中,在收敛性和解集的多样性方面,所提算法均明显优于传统多目标粒子群算法。     

云计算平台中非定期任务并行调度仿真

由于云计算平台的动态不确定性和非定期任务调度本身的复杂性,使得非定期任务调度过程中的耗时长和负载不均等问题很难得到有效解决.针对上述问题,提出一种非定期任务并行调度方法,并应用到云计算中.通过多方面考虑云平台客户非定期任务的截止时间底线、调度估算等并行调度约束条件和各种可用资源的性能参数,对非定期任务调度的多目标约束条...     

时间窗约束下的配送车辆调度问题研究

为解决时间窗约束下的物流配送车辆的多目标调度优化问题,给出了一种基于免疫计算的配送车辆调度优化方案。设计了配送车辆调度问题的数学模型和一种基于非劣邻域支配的多目标调度优化算法,在仿真环境下进行了实验。实验结果表明,算法能够有效地解决物流配送车辆调度问题,具有较好的应用价值。