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。     

蚁群系统算法求解多模式资源约束项目调度问题

针对以工期最短为优化目标的多模式资源约束项目调度问题进行研究,在建立数学模型的基础上,通过设计合适的编码方式和调度生成策略,生成问题的构建图,定义新的信息素表示和启发式信息,提出一种改进的蚁群系统算法优化求解该问题。将模型和算法在工程项目调度实例中加以应用,验证了所提出的优化调度方法的正确性和有效性。     

改进的差分进化算法求解炼钢-连铸动态调度问题

为了求解炼钢-连铸动态调度问题,提出了一种将拉格朗日插值算法与差分进化算法相融合得到的改进的差分进化算法。改进后的差分进化算法通过自适应调整进化参数,动态的调整差分进化的方向,并结合拉格朗日插值来优化差分进化算法的局部搜索能力,引入权重系数对全局搜索和局部搜索加以平衡。针对国内某大型钢厂的实际生产数据建立实验模型,以最小化总完工时间、最小化总断浇时间、最小化炉次间总等待时间和最小化总偏差量时间为目标,将改进的差分进化算法应用于求解炼钢-连铸转炉出现故障的动态扰动事件调度问题,实验结果表明,改进的差分进化算法应用在炼钢-连铸动态调度问题上,有效的缩短了炉次加工总完工时间、炉次间总等待时间和总断浇时间,在合理范围内,有效控制了新生产的调度计划与原始调度计划的时间偏差量,避免了因扰动事件的发生而引起连铸机断浇。     

多QoS约束的双目标最优的网格工作流调度研究*

针对当前网格工作流调度算法中大多只考虑DAG结构的网格工作流,涉及QoS参数较少或将多QoS参数聚合成一个单目标函数进行优化调度,提出了一种多QoS约束的双目标最优的网格工作流调度算法。该算法是基于AGWL网格工作流模型和改进的MOPSO算法,其目标是在满足可靠性、可利用性和声誉这三维QoS参数约束下,同时最小化两个冲突目标,即响应时间和服务费用。通过与原MOPSO所设计的网格工作流调度算法比较,该算法能获得更优的优化解。     

面向多停泊基地的港口拖轮调度优化研究

拖轮调度是典型的多处理器任务调度问题,针对多停泊基地和不同作业模式下的拖轮调度,以最大完工时间和总作业油耗最小化为目标,建立了拖轮调度多目标优化模型。采用演化策略算法对多停泊基地拖轮调度优化问题进行计算,提出一种基于轮盘赌概率分配的编码和解码方法。计算结果表明了演化策略算法的有效性和可行性,优化后的最大完工时间最小值相比仿真运行结果取得较大的改善,不同作业模式下均减少了约16%;计算结果还表明不同作业模式对拖轮调度结果会产生较大影响。     

考虑运输时间的多目标柔性作业车间调度研究

针对考虑运输时间的柔性作业车间调度问题,构建了以最大完工时间最小化、最大机器负载最小化和总机器负载最小化为目标的多目标优化模型,并提出一种小生境粒子群优化算法求解该模型.首先,在粒子群的初始化过程中动态选择完工时间最短的机器,提高初始解的质量,加快算法的收敛速度.其次,针对传统粒子群算法的不稳定性和早熟问题,引入邻域搜...     

基于三角旋回算法的共享储能电站工业用户日前优化调度方法

针对逐步寻优求解后,工业用户群的日运行成本依旧较高的问题,提出一种基于三角旋回算法的共享储能电站工业用户日前优化调度方法。考虑电量交互时的共享储能服务费,建立工业用户日前优化调度模型;以工业用户群日运行成本最小化为目标,构建优化调度目标函数,计算工业用户主体效益;设置多项连续性优化调度约束条件,引入三角旋回算法,通过灾变操作修正个体对应位计算全局最优解,得到最合理的日前优化调度方案。结果表明,应用所提优化调度方法后,有效降低了工业用户购电费用。     

基于混沌粒子群算法的多目标多执行模式项目调度问题研究

在工程项目调度中保持工期、成本、质量以及资源的均衡控制是构成项目建设总目标的关键因素,关系到整个工程的成败。同时,鉴于基本粒子群算法容易陷入局部最优,提出一种将混沌算法嵌入基本粒子群的新算法,并将其用于求解多目标项目调度问题,通过建立工期、费用、资源和质量多目标综合优化模型,再运用基于优先规则的混沌粒子群算法解决该模型问题。最终通过实例计算表明:相对于基本的粒子群算法,混沌粒子群算法可以更为准确快速地解决该模型下的项目多目标多执行模式优化调度问题。     

改进的粒子群算法在多目标车间调度的应用

利用粒子群算法解决车间调度问题,是一种有效的策略。对粒子群算法进行分析,针对多目标的柔性车间调度问题,构建了以加工时间最小化、加工成本最小化和单机器最大负荷最小化的多目标柔性车间调度模型。提出基于交叉变异的变参粒子群算法,以提高其跳出局部最优快速达到全局最优的能力。同时,引入智能小车概念,将运输时间考虑到此调度中。并将该方法用于某离散制造业的柔性车间作业调度中,最后验证了该算法的实用性及高效性。     

考虑风电和储能接入电网的多目标协同博奔区间经济调度

针对风电的不确定性对电网调度的经济和安全运行造成影响的问题,充分考虑储能灵活充放电的运行优势,提出了一种基于改进均衡协调算法的多目标区间储能经济调度优化方法.本文综合考虑有功调度与无功优化之间的内在耦合关系,以典型日运行的电压偏差和系统综合运行总成本最小化为优化目标,建立多目标区间储能经济调度优化模型.在优化过程中,首...     

区际救援物资中转调度的多目标优化问题研究

针对大规模、远距离和多品种的区际救援物资联动调运问题,以区际救援物资送达受灾城市总时间最短和总成本最小为目标,建立了一个区际救援物资中转调度的多目标优化模型,并设计了一种多目标协进化遗传算法。算例分析验证了该算法能够较好地获取问题的Pareto最优解。     

Multi-skilled project scheduling with level-dependent rework risk; three multi-objective mechanisms based on cuckoo search

In many projects, multi-skilled workforces are able to perform different tasks with different quality levels. In this paper, a real-life version of the multi-skilled resource constrained project scheduling problem is investigated, in which the reworking risk of each activity depends on the assigned level of multi-skilled workforces. The problem is formulated mathematically as a bi-objective optimization model to minimize total costs of processing the activities and to minimize reworking risks of the activities, concurrently. In order to solve the resulting problem, three cuckoo-search-based multi-objective mechanisms are developed based on non-dominance sorting genetic algorithm, multi-objective particle swarm and multi-objective invasive weeds optimization algorithm. The parameters of the algorithms are tuned using the Taguchi method to improve the efficiency of the solution procedures. Furthermore, a competitive multi-objective invasive weeds optimization algorithm is used to evaluate the performance of the proposed methodologies. Finally, a priority based method is employed to compare the proposed algorithms in terms of different metrics.     

云制造环境下面向多目标优化的虚拟资源调度研究

为解决云制造环境下虚拟资源调度存在的算法求解效率不高、模型建立缺乏考虑任务间关系约束和任务间及子任务间的物流时间及成本因素等不足,构建了兼顾交货期时间最小化、服务成本最低化、服务质量最优化为目标的多目标虚拟资源调度模型;采用一种基于项目阶段的双链编码方式进行编码,并提出自适应交叉与变异概率公式,以避免交叉、变异概率始终不变导致算法效率下降与过早收敛的问题;在此基础上利用基于项目阶段的多种交叉变异策略相结合的改进遗传算法进行求解,保证了算法的全局与局部搜索性能。实例结果表明,相比于传统的模型与算法,该模型适用性更强,改进的遗传算法在求解效率、准确度与稳定性方面均有较大提高。     

Evolutionary optimization using epsilon method for resource-constrained multi-robotic disassembly line balancing

This paper concentrates on a resource-constrained multi-robotic disassembly line balancing (RC-MDLB) problem. In this RC-MDLB problem, different types of end-of-life products are disassembled simultaneously on the same line under the following conditions: allocating multiple robots to a workstation to simultaneously process the disassembly tasks that have no precedence relationship with each other, each robot needs a fixed number of limited resources to process tasks, and the total resources for each workstation is fixed. A mathematical model is presented for the RC-MDLB problem to minimize the cycle time and the number of robots being occupied simultaneously. A constrained multi-objective evolutionary algorithm framework and a constrained NSGA-II (E-NSGA-II) algorithm with epsilon method are proposed to handle the constraints of the RC-MDLB problem. The proposed E-NSGA-II is applied to a set of RC-MDLB problem instances introduced in this paper and compared with five representative multi-objective evolutionary algorithms. The experimental results reveal that the proposed E-NSGA-II presents outstanding performance on most of the cases analyzed.     

云环境中基于分解的多目标工作流调度算法

云服务提供商在给用户提供海量虚拟资源的同时,也面临着一个现实的问题,即怎样调度这些资源,以最小的代价(完工时间、执行费用、资源利用率等)完成工作流的执行。针对IaaS环境下的工作流调度问题,以完工时间和执行费用作为目标,提出了一种基于分解的多目标工作流调度算法。该算法结合了基于列表的启发式算法和多目标进化算法的选择过程,采用一种分解方法,将多目标优化问题分解为一组单目标优化子问题,然后同时求解这些单目标子问题,使得调度过程更为简单有效。算法利用天马项目发布的现实世界中的工作流进行实验,结果表明,和MOHEFT算法以及NSGA-II*算法相比较,所提出的算法能得到更优的Pareto解集,同时具有更低的时间复杂度。     

一类基于多个目标的制造任务优化分配方法

提出了一种基于多个目标的制造任务优化分配方法。建立了以任务总加工时间最少、任务完成时间最早、任务完成总质量最高为目标函数,以制造设备负荷率满足要求为约束的优化分配模型。针对模型的多目标、多约束、大组合量特点,结合遗传算法全局搜索能力强、模拟退火算法局部搜索能力强的优点,提出了一种多阶段父代更新自适应遗传-模拟退火算法。以某多品种小批量生产车间制造任务分配为例,验证了方法的有效性。     

基于灰色综合关联分析的多目标优化方法

针对现有多目标优化方法存在的搜索性能弱、效率低等问题,提出一种基于灰色综合关联分析的多目标优化方法.该多目标优化方法采用单目标优化算法构建高质量的参考序列,计算参考序列与优化解的目标函数值序列之间的灰色综合关联度,定义基于灰色综合关联度的解支配关系准则,将灰色综合关联度作为多目标优化算法的适应度值.以带顺序相关调整时间的多目标流水车间调度问题作为应用对象,建立总生产成本、最大完工时间、平均流程时间及机器平均闲置时间的多目标函数优化模型.提出基于灰色关联分析的多目标烟花算法,对所建立的多目标优化模型进行优化求解.仿真实验表明,所提出多目标烟花算法的性能优于3种基于不同多目标优化方法的烟花算法及两种经典多目标算法,验证了所提出的多目标优化方法及多目标算法的可行性和有效性.     

A multi-objective algorithm for task scheduling and resource allocation in cloud-based disassembly

Some manufacturers outsource their disassembly tasks to professional factories, each factory of them has specialized in its disassembly ability. Different disassembly facilities are usually combined to execute disassembly tasks. This study proposes the cloud-based disassembly that abstracts ability of the disassembly factory as the disassembly resource, the disassembly resource is then able to be allocated to execute disassembly tasks. Based on this concept, the cloud-based disassembly system is proposed, which provides the disassembly service according to the user requirement. The disassembly service is the execution plan for disassembly tasks, which is the result of scheduling disassembly tasks and allocating disassembly resources. To formally describe the disassembly service, this paper builds a mathematical model that considers the uncertainty nature of the disassembly process and precedence relationships of disassembly tasks. Two objectives including minimizing the expected total makespan and minimizing the expected total cost of the disassembly service are also discussed. The mathematical model is NP-complete, a multi-objective genetic algorithm based on non-dominated sorting genetic algorithm II is designed to address the problem. Computation results show that the proposed algorithm performs well, the algorithm generates a set of Pareto optimal solutions. The user can choose a preferred disassembly service among Pareto optimal solutions.     

基于自变量简约的大规模稀疏多目标优化

现有的大多数进化算法在求解大规模优化问题时性能会随决策变量维数的增长而下降。通常,多目标优化的Pareto有效解集是自变量空间的一个低维流形,该流形的维度远小于自变量空间的维度。鉴于此,提出一种基于自变量简约的多目标进化算法求解大规模稀疏多目标优化问题。该算法通过引入局部保持投影降维,保留原始自变量空间中的局部近邻关系,并设计一个归档集,将寻找到的非劣解存入其中进行训练,以提高投影的准确性。将该算法与四种流行的多目标进化算法在一系列测试问题和实际应用问题上进行了比较。实验结果表明,所提算法在解决稀疏多目标问题上具有较好的效果。因此,通过自变量简约能降低问题的求解难度,提高算法的搜索效率,在解决大规模稀疏多目标问题方面具有显著的优势。     

基于蚁群算法的城市体育设施优化选址

在多目标以及大型空间约束情况下的城市体育设施选址求解规模较大，难以求解出理想的解集。本文提出一种改进的蚁群智能算法模型，模型主要通过改进蚁群原始信息素分布以及挥发系数，加快算法的收敛速度以及精度，得出理想的候选解。将该方法应用于长沙市雨花区的体育设施选址，取得了较好的效果，实验结果表明，采用本文所设计的改进蚁群算法模型，适合求解大规模空间下的城市体育设施选址问题。