项目工期资源优化方式研究

项目工期资源优化在现代化的项目管理中起着举足轻重的作用,通过项目工期资源优化可以更好对时间与资源进行协调。文章主要研究了项目工期资源优化的两种方式:工期固定、资源均衡的优化,以及资源有限、工期最短优化。     

基于改进粒子群算法的网络计划工期--费用优化

本文提出了一种改进粒子群优化算法。在进化中增加了个体间的协作机制,这种改进后的学习行为更符合自然界生物的学习规律,更有利于粒子发现问题的全局最优解。最后将该方法用于PERT网络工期一费用模型求解,数字仿真表明了算法的有效性。     

有期限约束的多DAG共享资源的调度及公平费用优化方法

随着网格和云计算工作流技术的发展,近来关于多DAG(Directed Acyclic Graph)共享资源调度的研究取得了一些进展,然而,关于具有最晚完成期限约束的多DAG共享一组有限异构资源的调度及其费用最低化等问题还有待进一步研究和解决.针对这些问题,文中首先提出了衡量DAG期限紧急水平的"相对严格程度"的新方法,并在此基础上提出了基于相对严格程度的调度算法MDRS(Scheduling for Multi-DAGs with Deadline based on Relative Stritness).该算法不仅能够合理处理多个DAG之间调度的紧急水平关系,也能对由于DAG期限过于严格而可能产生的"过饱和"情况进行探测和处理.一旦遇到"过饱和"情况,则采用"堆栈"与"调度回溯"相结合的机制尽可能少地丢弃其中的DAG,从而达到DAG吞吐量最大化调度目标.在MDRS算法的基础上,为了满足各DAG期限内完成约束条件,并尽可能公平地降低多个DAG执行的费用,又提出了基于单位相对严格程度变化量的费用降低率最大化方法的费用优化算法CDVRS(Cost Decrease based on Variance of the Relative Strictness).实验表明:这些方法及算法能够达到较好的性能.     

考虑风险的大型工程项目多目标均衡优化

研究带有风险考量的大型工程项目调度问题,将调度方案的风险作为计划制定的目标之一,给出调度方案风险值的计量方法和相关原则,构建工程项目工期-成本-质量-风险多目标优化模型。基于关键路径法和活动时差,提出项目调度局部优化算法,用于改进基于分解的多目标进化算法。实例验证结果表明,该模型与算法可有效解决工程优化问题。     

基于资源约束的并行活动优化调度方法

针对并行产品开发过程,提出了一种基资源约束的优化调度算法,首先给出了并行活动的三个定义,提出了一个使算法能够实现优化调度的综合函数,并研究了并行工程中的两个关键问题－－角色分配和反馈修改,仿真实例表明了算法的可行性。     

基于遗传算法的资源均衡优化研究

从多任务的资源优化问题出发,对利用遗传算法对资源受限的多任务调度问题及其资源均衡优化问题进行了研究.对多任务网络计划的资源均衡问题进行了讨论,重点将资源受限的多任务调度问题与资源均衡优化相结合进行均衡优化,提出了一种基于改进遗传算法的求解方法,很好地解决了多任务调度问题并使资源分布更为均衡.该方法在解决较大规模网络计划的多任务调度及资源均衡问题时,具有其它方法无法比拟的优势.     

约束优化进化算法

约束优化问题是科学和工程应用领域经常会遇到的一类数学规划问题.近年来,约束优化问题求解已成为进化计算研究的一个重要方向.从约束优化进化算法=约束处理技术+进化算法的研究框架出发,从约束处理技术和进化算法两个基本方面对约束优化进化算法的研究及进展进行了综述.此外,对约束优化进化算法中的一些重要问题进行了探讨.最后进行了各种算法的比较性总结,深入分析了目前约束优化进化算法中亟待解决的问题,并指出了值得进一步研究的方向.     

分布式约束优化方法研究进展

多agent系统作为分布式人工智能研究领域的重要分支,已被广泛应用于多个领域中复杂系统的建模.而分布式约束优化作为一种多agent系统求解的关键技术,已成为约束推理研究的热点.首先对其适用性进行分析,并基于对已有算法的研究,总结出采用该方法解决问题的基本流程,在此基础上,从解的质量保证、求解策略等角度对算法进行了完整的分类;其次,根据算法分类结果以及执行机制,对大量经典以及近年来的分布式约束优化算法进行了深入分析,并从通信、求解质量、求解效率等方面对典型算法进行了实验对比;最后,结合分布式约束优化技术的求解优势给出了分布式约束优化问题的实际应用特征,总结了目前存在的一些问题,并对下一步工作进行了展望.     

基于活动工期风险和资源约束风险的缓冲大小计算方法

提出一种不确定情况下考虑活动工期风险和多资源约束风险的缓冲大小计算方法. 首先, 运用贝叶斯网络技术分析关键风险因素, 评估其造成的活动工期风险; 其次, 通过资源流网络方法衡量资源约束风险, 进而提出合理的缓冲配置方法以构建稳定的关键链调度计划. 通过算例分析和比较研究, 验证了所提出方法兼具有效性和实用性, 能够在保证较高按时完工率的同时, 有效缩短项目工期并保持进度计划稳定.

     

一种基于分布式约束满足的资源优化模型*

分布式约束满足作为分布式人工智能领域的一个重要分支,在许多领域均得到了广泛应用。针对Web服务事务协调过程中的资源优化问题,在分布式逃逸算法的基础上提出了一种基于分布式约束满足的资源优化模型,并通过仿真实验证实了模型及其算法的收敛性和优化性。     

An Adaptive Tradeoff Model for Constrained Evolutionary Optimization

In this paper, an adaptive tradeoff model (ATM) is proposed for constrained evolutionary optimization. In this model, three main issues are considered: (1) the evaluation of infeasible solutions when the population contains only infeasible individuals; (2) balancing feasible and infeasible solutions when the population consists of a combination of feasible and infeasible individuals; and (3) the selection of feasible solutions when the population is composed of feasible individuals only. These issues are addressed in this paper by designing different tradeoff schemes during different stages of a search process to obtain an appropriate tradeoff between objective function and constraint violations. In addition, a simple evolutionary strategy (ES) is used as the search engine. By integrating ATM with ES, a generic constrained optimization evolutionary algorithm (ATMES) is derived. The new method is tested on 13 well-known benchmark test functions, and the empirical results suggest that it outperforms or performs similarly to other state-of-the-art techniques referred to in this paper in terms of the quality of the resulting solutions.     

优化寄存器需求的资源约束调度算法

调度和寄存器优化是两个相互关联的问题,顺序完成这两个步骤的传统方法会导致非优化的结果．提出一种优化寄存器需求的资源约束调度算法RSROP,能够有效地同时优化调度长度和寄存器需求,并通过标准高层次综合测试电路实验,说明了RSROP算法的有效性．     

基于有向超图的资源约束下企业过程结构优化

为了提高企业过程结构优化的实用性、合理性以及计算机支持性,提出了基于有向超图和资源约束的优化方法.根据优化需求,通过对考虑了支持资源的过程进行不同的有向超图建模,利用有向超图的性质以及超图上所附加的过程语义,把过程结构优化转化为有向超图的切割和活动合并问题,并给出具体求解过程.求得的过程为一个结构和支持资源都优化的过程.最后,通过举例验证该方法可行、有效.     

多执行模式项目调度问题的克隆选择优化

针对多执行模式资源受限项目调度问题的具体特点,采用基于调度的编码方式、半随机的初始种群产生方式、受限变异等策略,提出一种克隆选择优化算法用于求解项目活动的最优调度以使整个工程工期最短.该方法将问题特性与免疫克隆选择算法所具有的全局搜索特性、解的多样性和不易早熟的特点相融合,在能获得最优解的前提下,使得所花费的代价大为降低.通过对标准测试库PSPLIB中调度问题的仿真实验表明,该算法具有良好的性能,对于各组测试集中的大部分问题都能在合理的时间内寻找到最优解.与其它启发式算法相比,该方法具有更优的性能.     

资源受限Web服务

该文的目的是明确资源受限Web服务中的技术难点和未决问题,以便研究人员进行创新性研究.资源受限Web服务是服务计算与无线网络、移动计算和嵌入式系统相融合的产物.它是小型终端设备访问云计算平台的有效手段,也是一种重要的物联网支撑技术,在移动电子商务、现代医疗、智能家庭、制造业自动化等领域有广阔的应用前景.文中首先介绍了资源受限Web服务的概念,分析了它的起源、发展趋势和技术特点;然后从服务构件、开发工具、中间件、软件框架、标准规范和应用入手,对现有工作进行了评述,分析了其中的技术难点,提出了今后的几个主要研究方向.     

Preference-Based Constrained Optimization with CP-Nets

Many artificial intelligence (AI) tasks, such as product configuration, decision support, and the construction of autonomous agents, involve a process of constrained optimization, that is, optimization of behavior or choices subject to given constraints. In this paper we present an approach for constrained optimization based on a set of hard constraints and a preference ordering represented using a CP-network—a graphical model for representing qualitative preference information. This approach offers both pragmatic and computational advantages. First, it provides a convenient and intuitive tool for specifying the problem, and in particular, the decision maker's preferences. Second, it admits an algorithm for finding the most preferred feasible (Pareto-optimal) outcomes that has the following anytime property: the set of preferred feasible outcomes are enumerated without backtracking. In particular, the first feasible solution generated by this algorithm is Pareto optimal.     

约束优化进化算法综述

约束优化进化算法主要研究如何利用进化计算方法求解约束优化问题,是进化计算领城的一个重要研究课题.约束优化问题求解存在约束区域离散、等式约束、非线性约束等挑战,其问题的本质是如何处理可行解与不可行解的关系才能使得算法更高效.本文首先介绍了约束优化问题的定义,然后系统地分析了目前存在的约束优化方法,同时基于约束处理机制将这些方法分为罚函数法、可行性法则、随机排序法、约束处理法、多目标优化法、混合法六类,并从约束处理方法的方面对约束优化进化算法的最新研究进展进行综述.最后,指出约束优化进化算法需进一步研究的方向与关键问题.     

免疫克隆多目标优化算法求解约束优化问题

针对现有的约束处理技术的一些不足之处,提出一种用于求解约束优化问题的算法——免疫克隆多目标优化算法(immune clonal multi-objective optimization algorithm,简称ICMOA).算法的主要特点是通过将约束条件转化为一个目标,从而将问题转化为两个目标的多目标优化问题.引入多目标优化中的Pareto-支配的概念,每一个个体根据其被支配的程度进行克隆、变异及选择等操作.克隆操作实现了全局择优,有利于得到高质量的解;变异操作提高算法的局部搜索能力,有利于所得解的多样性;选择操作有利于算法向着最优搜索,而且加快了收敛速度.基于抗体群的随机状态转移过程,证明该算法具有全局收敛性.通过对13个标准测试问题的测试,并与已有算法进行比较。结果表明,该算法在收敛速度和求解精度上均具有一定的优势.