基于免疫蚂蚁算法的Job-shop调度问题

描述了作业调度问题，借鉴生物免疫机理提出了求解车间调度问题的免疫蚁群算法，该方法在蚂蚁搜索程中，运用免疫机理提取疫苗，并对进化种群进行免疫操作，从而有效地抑制了蚁群算法的“早熟”和搜索效率低下的问题，显著地提高了蚁群算法对全局最优解的搜索能力和收敛速度，给出了免疫蚁群算法的具体步骤，并对算法进行了实例验证。     

加热炉作业计划优化方法的研究与应用

加热炉的作业效率直接影响企业的最终效益.由于加热炉的复杂性,其作业计划仍然处于手动操作状态.针对加热炉这样一个复杂工业过程,提出一个优化作业计划与调度的编排方法,用于加热炉在正常和异常生产的优化排产.利用最短时间和最早缴期算法进行加热炉正常作业排序.采用蚁群算法搜索异常情况下的最优解,通过跟踪形成作业计划闭环控制,从而实现加热炉作业优化的实时控制.该方法在某钢铁公司进行了实际应用,效果良好.     

基于免疫粒子群算法的多星观测调度研究

多星观测调度是一个复杂的组合优化问题,且为NP难题.目前常用解决方法是采用智能搜索算法在搜索空间寻找近似最优解.针对上述问题,首先探讨了国内外成像侦察卫星调度算法的研究现状,然后阐述了传统微粒子群优化算法与免疫粒子群优化算法的特点,并对带有多个时间窗口约束的多星观测问题建立了数学模型.在此基础上,提出一种用于解决多星观测调度问题的免疫粒子群算法.实验结果表明,免疫算法收敛速度快,可以很好地逼近精确解,并具有较强的搜索能力.     

局域网限速状态下的资源调度模型仿真

在局域网限速状态下进行资源调度时,网络资源受到传输区域的影响,在调度过程中存在较大的流量突变随机性.传统的网络资源调度算法在应对海量突变流量时,采用延迟限制通信的方法,随便能缓解流量峰值,但仅仅通过外加通信约束条件约束、延迟流量突变的通信过程,调度过程存在弊端.提出采用混合蚁群算法的局域网限速状态下资源调度方法,将禁忌搜索作为蚁群算法局部搜索策略,并通过结合分布估计提高算法的收敛速度,把局域网限速状态下资源均衡与优化问题转化为组合优化的最短路径问题,进行计算求精确解.仿真结果表明,利用混合蚂蚁算法在局域网限速状态下进行资源调度,具一定鲁棒性和分布性,提升了调度工作效率.     

基于文化免疫克隆算法的关联规则挖掘研究

针对关联规则挖掘问题,给出一种基于文化免疫克隆算法的关联规则挖掘方法,该方法将免疫克隆算法嵌入到文化算法的框架中,采用双层进化机制,利用免疫克隆算法的智能搜索能力和文化算法信念空间形成的公共认知信念的引导挖掘规则。该方法重新给出了文化算法中状况知识和历史知识的描述,设计了一种变异算子,能够自适应调节变异尺度,提高免疫克隆算法全局搜索能力。实验表明,该算法的运行速度和所得关联规则的准确率优于免疫克隆算法。     

基于免疫克隆文化算法的关联规则挖掘

关联规则挖掘是数据挖掘中的一个重要任务,传统关联规则挖掘方法计算复杂度高、效率较低,而智能算法在搜索过程中具有保持种群多样性、鲁棒性等优点。本文提出基于免疫克隆文化算法的关联规则挖掘模型,该模型将免疫克隆算法嵌入到文化算法的框架中,利用免疫克隆算法的全局收敛性在数据库中迅速搜索频繁项目集,进而提取用户感兴趣的关联规则;利用文化算法信念空间的知识结构指导种群的进化,增强了搜索的目的性和方向性。实验表明,该模型具有较快的运行速度,提高了所得关联规则的准确率。     

加热炉优化调度模型及算法研究

加热炉是热轧生产中主要的能源消耗设备,其合理调度对于降低生产过程的能耗和生产成本都具有重要作用.根据加热炉的生产工艺和约束条件建立了加热炉优化调度数学模型,针对模型特点提出了分散搜索（scattersearch,SS）算法,设计了基于随机变量序列的投票组合算子和单点交叉组合算子.根据国内某钢铁企业加热炉生产过程的实绩随机生成40个测试案例,进行实验,分析了参考集规模及不同组合算子对SS算法性能的影响,并与遗传局域搜索（genetic local search,GLS）算法的求解结果进行了比较.结果表明所提出的模型和算法对解决本文研究的加热炉调度问题有效.     

求解VSPSTW问题的混合差分演化算法

在描述带软时间窗车辆调度问题数学模型基础上,提出将模拟退火算法与差分演化算法相结合的混合优化算法求解该问题。该算法利用了模拟退火算法具有的较强局部搜索能力和差分演化算法的强全局搜索能力,克服了差分演化算法的“早期收敛”问题。实验结果表明,该算法比单一的差分演化算法计算效率高,收敛速度快,计算结果也比较稳定,是解决车辆调度问题的有效方法。     

求解Job Shop调度问题的混合蚁群算法研究

为了解决单一算法求解Job Shop调度问题存在的不足，该文提出了一种混合算法，将蚁群算法用于全局搜索。针对蚁群算法易于陷入局部最优的情况，提出了一种基于关键工序的邻域搜索方法，将使用此邻域搜索方法的TS算法作为局部搜索策略。利用TS算法较强的局部搜索能力，提高了蚁群算法的优化能力，达到改善Job Shop调度问题解的质量。实验结果表明，混合算法在较短的时间内，找到了FT10、LA24、LA36等典型benchmarks问题的最优解，得到的makespan的平均值较并行遗传算法(PGA)和TSAB算法均有所提高。     

基于遗传蚁群算法的雾计算任务调度研究

雾计算是部署在网络边缘的分布式系统,任务调度是雾计算中最重要的研究问题之一.针对雾计算环境下任务请求的合理调度问题,提出基于雾计算的遗传蚁群算法.算法前期利用遗传算法快速搜索能力避免蚁群算法前期搜索能力不足的问题,后期利用蚁群算法正反馈的特性进行解空间的搜索.仿真实验结果表明,该算法在CPU执行时间和分配内存方面优于传统的遗传算法和蚁群算法.     

一类复杂生产调度问题的基于符号演绎的调度方法

针对带有时问不确定件的复杂生产过程调度问题,提出一种基于符号演绎的调度方法.首先将时间的不确定性信息看作符号型数据,并提出一种用于处理这些符号型数据的基于不确定区间的符号演绎方法;然后将此符号演绎方法与遗传算法相结合,提出一种预排调度计划与实时调度规则相结合的调度方法来求解上述复杂生产调度问题.实验表明,将基于符号演绎的调度方法用于求解带有时间不确定性的复杂生产过程调度问题,能够取得较好的调度效果.     

钢铁生产中的加热炉优化调度算法研究

钢铁生产中的加热炉调度问题属于组合优化中的NP—hard问题．对此．建立了加热炉调度问题的数学规划模型,并提出一种用于求解该问题的超启发式算法——遗传局部搜索算法．基于生产实际数据的仿真实验表明.所提出的方法适用于生产实际．效果优于目前现场使用的人工调度方法．     

Job- shop 提前/拖期调度问题的研究

基于模糊控制和遗传算法,提出了求解Ｊｏｂ－ｓｈｏｐ提前／拖期间问题的联合算法,用遗传算法确定可行调度序列,然后用模糊控制器对开工时间加以调整,模糊控制的引入为有效地求解Ｊｏｂ－ｓｈｏｐ提前／拖期调度总理２提供了新的方法,仿真实验证明了联合自救的有效性。     

冷链物流越库调度的拉格朗日松弛算法

为了提高冷链物流的运输效率,解决越库在冷链物流中的应用问题,提出了基于拉格朗日松弛算法的冷链物流的越库调度方法.首先进行了问题域的描述并做出了具体假设,基于问题域以最小化卡车等待时间和越库内部运输成本为目标,建立越库调度的整数规划数学模型.然后,提出了针对越库调度模型的拉格朗日松弛算法,松弛复杂约束后根据决策变量将松弛问题分解为若干子问题,采用次梯度算法求解松弛模型.最后,对各种不同规模的越库模型进行仿真实验,并与传统的贪婪算法进行对比,结果表明,所提出的调度算法适用于问题的求解,并可以在较短时间内获得良好的近优解.     

求解动态车辆调度问题的混合禁忌搜索算法

对带时间窗的动态车辆调度问题进行分析,引入虚拟点和时间轴概念,建立基于时间轴的动态车辆调度模型,并提出基于C-W节约法和禁忌搜索的混合禁忌搜索算法进行求解.算法中使用动态方法构造候选解和动态禁忌长度的选取策略来提高算法的收敛速度,最后通过测试实例验证了该混合算法解决动态车辆调度问题的有效性和可行性.     

多处理器任务调度问题的新近似算法

研究任务有多种处理方式的多处理器任务调度问题（MTS）的求解算法，给出求解这种问题的二阶段方法：第1阶段为指派问题，第二阶段调度问题Pm｜fixj｜Cmax，从而得到一个新的求解Pm｜setj｜Cmax。近似算法的方法，并针对P4｜fixj｜Cmax给出了具体算法，证明这种近似算法是一个2-逼近度算法，是文献中在4-处理器问题上的推广。     

A scheduling algorithm for applications in a cloud computing system with communication changes

This paper proposes a scheduling algorithm to solve the problem of task scheduling in a cloud computing system with time‐varying communication conditions. This algorithm converts the scheduling problem with communication changes into a directed acyclic graph (DAG) scheduling problem for existing fuzzy communication task nodes, that is, the scheduling problem for a communication‐change DAG (CC‐DAG). The CC‐DAG contains both computation task nodes and communication task nodes. First, this paper proposes a weighted time‐series network bandwidth model to solve the indefinite processing time (cost) problem for a fuzzy communication task node. This model can accurately predict the processing time of a fuzzy communication task node. Second, to address the scheduling order problem for the computation task nodes, a dynamic pre‐scheduling search strategy (DPSS) is proposed. This strategy computes the essential paths for the pre‐scheduling of the computation task nodes based on the actual computation costs (times) of the computation task nodes and the predicted processing costs (times) of the fuzzy communication task nodes during the scheduling process. The computation task node with the longest essential path is scheduled first because its completion time directly influences the completion time of the task graph. Finally, we demonstrate the proposed algorithm via simulation experiments. The experimental results show that the proposed DPSS produced remarkable performance improvement rate on the total execution time that ranges between 11.5% and 21.2%. In view of the experimental results, the proposed algorithm provides better quality scheduling solution that is suitable for scientific application task execution in the cloud computing environment than HEFT, PEFT, and CEFT algorithms.     

基于预防维护的单机调度问题

在两种维护约束下,研究完工时间之和最小化的单机调度问题.第1种维护约束是,固定周期预防维护;第2种维护约束是,机器工作期间可连续加工的最大工件个数受限.对于这种带有约束的调度问题,根据问题的规模,采用4种方法进行求解.针对小规模问题,建立一个二值整数规划模型,并根据最优解的特性制定剪枝规则,进而给出分支定界算法.针对中...     

基于两阶段调度的制造单元协同调度算法研究

针对单元制造问题,提出了一种基于两阶段的调度算法,通过过程分解和算法优化两方面实现问题求解。调度过程分为“预调度”和“整体调度”两个阶段,对大规模调度进行调度,不仅有效地降低了问题规模,同时制造单元调度结果对实际生产具有现实意义;调度算法采用了“精确”计算和“近似”求解相结合的方式,既提高计算效率又兼顾了全局优化目标。数值实验结果表明了的这一设计思路的有效性。     

基于强化学习的多技能项目调度算法

多技能项目调度存在组合爆炸的现象, 其问题复杂度远超传统的单技能项目调度, 启发式算法和元启发式 算法在求解多技能项目调度问题时也各有缺陷. 为此, 根据项目调度的特点和强化学习的算法逻辑, 本文设计了基 于强化学习的多技能项目调度算法. 首先, 将多技能项目调度过程建模为符合马尔科夫性质的序贯决策过程, 并依 据决策过程设计了双智能体机制. 而后, 通过状态整合和行动分解, 降低了价值函数的学习难度. 最后, 为进一步提 高算法性能, 针对资源的多技能特性, 设计了技能归并法, 显著降低了资源分配算法的时间复杂度. 与启发式算法的 对比实验显示, 本文所设计的强化学习算法求解性能更高, 与元启发式算法的对比实验表明, 该算法稳定性更强, 且 求解速度更快.