资源约束下多项目调度的迭代算法

项目实施过程中往往涉及到不同项目之间的资源共享与冲突,因此在资源受限的情况下如何调度项目以满足不同项目的资源要求并缩短各项目工期是一个重要的问题．在对该问题进行分析的基础上,建立了资源约束下的多项目调度问题的数学模型,并在单项目调度迭代算法的基础上进行扩展和改进,设计了多项目调度的迭代算法．该算法结合了串行进度计划生成机制和逆向算法的优点．在保证项目任务紧前关系与资源约束的条件下,能够合理优化多项目的资源分配,从而有效地缩短多项目的总工期．通过具体实例的应用和与其他算法的比较,说明了迭代算法可以得到较好的项目进度计划．     

基于遗传算法的多项目资源约束优化问题研究

对于有资源约束的多项目优化问题,传统方法易出现局部最优解的情况.而遗传算法可以克服传统优化方法的缺点,故将改进遗传算法引入到该问题中来很有必要.通过实例的计算可以看出,简单遗传算法经常出现早熟,且没有搜索到最优值,而自适应遗传算法则可以搜索到相对较优值,所以自适应遗传算法相对于简单遗传算法要更好一些.因此,改进的遗传算法对于在资源约束下的多项目优化问题具有实用价值.     

资源受限多项目调度的混合遗传算法

针对资源受限多项目调度问题,提出了改进后的混合遗传算法.该算法基于串行进度生成机制,结合多项目任务列表与项目优先权设计了新的染色体,所设计的交叉算子与变异算子均能保证所得新个体满足项目紧前关系约束,从而有效提高算法搜索效率.算法充分利用不同启发式算法构造初始种群,有效扩大种群多样性以避免过早收敛.算法采用正向逆向调度技术对调度方案进行优化,进一步提高了调度方案的质量.与其他多项目调度启发式算法相比,该算法能有效分配资源,显著缩短项目平均总工期.     

基于集中式信息系统的主动配电网鲁棒优化调度

为了适应配电网从被动受电向主动供电角色的转化,提出基于集中式信息系统的主动配电网鲁棒优化调度策略。采用交流潮流模型描述配电网的功率平衡关系,计及无功注入的调节作用,建立两阶段电能与备用联合调度模型;应用鲁棒优化技术,构建可再生能源发电出力的不确定性集合;将高维、非凸的最优化问题转化为凸问题,以保证最优解的性能。对算例系统进行仿真计算,结果表明资源的优化调度提高主动配电网的灵活性,所提出的鲁棒优化调度策略能够增强主动配电网对间歇性可再生能源发电的容纳能力。     

多态性作业车间鲁棒调度CA-GA建模

针对多态性作业车间鲁棒调度问题,建立了多态性作业车间鲁棒调度ＣＡ－ＧＡ模型．根据此 类车间多单元布局特点构建作业车间元胞机整体框架,采用遗传算法来优化元胞机的自组织演化规 则．考虑到调度的鲁棒性,将鲁棒指标最大完成时间加入模型多目标函数,并以平均松散时间为各个 方案鲁棒性的评价指标．最后,将模型应用于ＰＴＣＮ公司生产实例中,通过优化前后的调度方案比较, 从加工时间、设备利用率、设备平衡率以及交货期等四个方面验证了该模型的可行性与实用性．     

集装箱航线资产配置鲁棒优化模型

研究了不确定条件下集装箱航线资产配置问题.根据集装箱航线运行的基本特点和要求,基于航线均衡运行原理,建立了集装箱航线资产配置确定性模型,优化船舶规模、集装箱配置与舱位分配.通过引入鲁棒优化理论,将此模型拓展为包含不确定因素的鲁棒优化模型,以船舶规模为设计变量,以舱位分配为控制变量建立分析模型.以钟摆型航线为例进行仿真实验,对模型的有效性进行了验证.结果表明,该模型既考虑了需求的不确定性影响,又考虑了解与模型的鲁棒性,并且体现了决策者对风险的厌恶程度,使模型结论更符合实际需要.     

基于拓扑排序资源约束下多项目调度优化算法

多项目调度存在着工期和资源的竞争,调度时要考虑时序关系和资源受限两方面约束,启发式串行调度算法在每调度一个任务时都必须搜索项目的任务空间,为此提出了一种基于拓扑排序的多项目串行调度优化算法。此算法利用拓扑排序序列的特点保证任务时序关系,缩小调度时搜索空间,结合项目权重、向后影响度以及关键路径等优先规则进行资源分配和任务调度。通过具体实例验证了此算法可以求得项目调度的最优解并且能够有效地缩短调度计划生成时间。     

一类数据不确定的非线性规划在闭凸集下的鲁棒优化

研究一类数据不确定的非线性规划的鲁棒优化问题,利用凸分析的知识首先推导出此问题在一般不确定集下的鲁棒对应形式,然后当其定义在由一系列凸不等式定义的闭凸集下时,巧妙把它的鲁棒对应形式转化成有限确定的优化问题,最后验证了此方法的可行性.     

面向项目方案优化的机会约束规划模型

为了控制项目实施过程中的风险,提高项目的成功率,针对项目实施过程中时间、成本、质量的不确定优化问题,结合PERT技术分别提出了基于机会约束规划的项目关键路线实施进度优化模型、项目实施进度—费用优化模型、项目实施质量优化模型和项目进度—费用—质量联合折衷优化模型,并采用随机模拟技术通过Monte Carlo仿真给出了项目实施风险的概率估计.利用嵌入PERT的基于随机模拟的遗传算法对模型求解,通过算例验证了模型的合理性和算法的有效性,根据对比,进度—费用—质量联合折衷模型的解方案具有更小的实施风险概率,为项目实施方案规划提供了定量可靠的决策依据.     

基于LQR指标的鲁棒PID整定方法及鲁棒稳定性裕度评估

根据LQR指标，结合最小最大原理，使用改进遗传算法作为优化搜索算法，提出一种新的鲁棒PID参数整定方法。该方法有三个优点：首先能通过选取衰减系数和自然频率来获取期望的闭环特性，并获取近似的LQR权矩阵；其次为PID控制器增加了一定程度的预测性能，最后用本方法设计的控制器对模型误差和外部干扰都表现出一定的鲁棒性，仿真实例证实了该方法的有效性。     

多目标资源受限项目调度的多种群蚁群算法

为实现资源受限项目调度的多目标优化,通过改进传统蚁群算法,提出适用于多目标优化的多种群蚁群算法.该算法基于串行进度生成机制,每个蚁群具有各自的目标函数、与目标函数相匹配的不同搜索策略以及各自的信息素更新机制.各蚁群独立进行搜索决策,但各蚁群之间存在信息素的相互作用,从而实现加速搜索.针对多目标资源受限项目调度问题设计新的精英策略.在目标规划基础上构造一系列多目标项目调度算例,经系统测试表明,所提出的多种群蚁群算法能够有效优化资源受限项目的资源配置,实现多目标优化.     

均值-方差组合模型的鲁棒投资优化

针对投资组合优化模型中收益率的期望值、协方差矩阵等参数扰动时对原问题最优解产生较大影响的问题,文中提出将鲁棒优化应用到均值-方差投资组合模型中,建立了"势"不确定集下的鲁棒投资组合选择模型,通过市场数据对该模型进行了实证研究.试验结果表明该模型得到的解兼具鲁棒性与最优性.     

基于遗传算法的鲁棒PID控制器设计

从分析控制系统的性能指标入手,从抗干扰性能和鲁棒性能两方面综合考虑控制器的设计,得到一种鲁棒 PID 控制器的设计思路,把 PID 控制器的设计问题转化为求解一个带鲁棒性能约束的绝对误差积分指标 (IAE) 优化问题。鉴于问题是非凸的,用常规优方法无法得到最优解,采用遗传算法来求解该问题。分别对一阶加纯迟延(FOPDT)和非线性对象进行了仿真,结果表明了方法的有效性,不仅控制系统性能优良,而且抗干扰能力和鲁棒性能也很好。     

一种求解资源约束项目调度问题的改进引力搜索算法

引力搜索算法虽然具有较强的搜索能力和较快的收敛速度,但是容易陷入局部最优,且求解精度并不尽如人意。针对具有资源和优先关系约束的资源约束项目调度问题,提出一种改进的引力搜索算法(improved gravitational search algorithm, IGSA)。该算法将向心力和混沌机制引入引力搜索算法中,一方面通过在不同寻优阶段对参数进行控制,平衡算法中粒子的探索能力与开发能力,防止算法陷入局部最优,提高解的精度和加快收敛速度;另一方面当随机数大于混沌序列的值时,对生成的解决方案执行插入或交换操作,增强算法的多样性。为了评估算法的有效性,在PSPLIB问题实例J30,J60,J90和J120上进行对比实验,结果表明,相较于对比算法,IGSA在求解RCPSP时能更快更准确地得到项目最小完工时间,且能充分利用资源,避免资源浪费。     

基于高斯回归学习的场景优化鲁棒预测控制

针对具有未知加性不确定性的约束线性系统,提出基于高斯过程回归学习的场景优化鲁棒模型预测控制算法.在离线阶段使用高斯回归从经验数据中学习不确定性结构与参数,能够抽取大量随机场景.在在线控制阶段中,求解抽取场景所构建的有限时域优化问题,将滚动优化得到的控制律作用于系统.引入松弛变量保证优化问题的可行性,应用随机凸优化理论,证明所提算法使系统以一定的置信度满足松弛机会约束,收敛于终端域.通过DC-DC转换器和网联车巡航控制仿真实验,验证了本文算法的有效性和优越性.     

多模式资源受限项目调度问题的优化方法

为求解多模式资源受限项目调度问题,提出了一种结合粒子群优化算法（PSO）和基因表达式编程（GEP）的混合优化算法。其中,PSO用来提供活动执行模式组合,GEP用来构造在给定活动执行模式下的调度规则。调度规则由项目状态和活动属性构成,与其他优化方法相比,这是一种新的编码方式与求解方法,也更符合实际应用。对于粒子所表达的不可行活动模式的组合,设计了粒子调整算法,以满足项目调度中可更新资源和不可更新资源总数的约束。最后给出了混合优化算法求解步骤,并采用该算法对项目实例进行了计算与分析,验证了算法的有效性。     

供水系统直接优化调度遗传算法求解模型研究

针对目前我国完全采用微观模型的方法难以满足供水系统优化调度的要求的现实，以测压点压力
宏观模型、水源供水量和水源供水水头之间的关系模型替代复杂的管网水力平衡方程，并以每一泵站每
时段应有水泵运行求得的出水量和管网求得的需水量相等的条件,建立了大型供水系统的多目标混合离散
变量的直接优化调度模型.利用遗传算法对直接优化调度模型进行求解，提出了对各种约束条件处理的方
法;针对遗传算法容易早熟等的不足，提出将遗传算法和模拟退火技术相结合，并采用自适应交叉和变异
率的解决方法.算例计算表明，该算法具有较强的适用性.     

不确定条件下供应链设施决策的鲁棒优化

针对供应链设施决策问题,包括设施的位置、能力以及供给和需求的分配,考虑不确定的市场需求和成本费用,建立了鲁棒优化模型,使用情景分析法对不确定性参数进行了描述.设计了一种基于二进制映射模式染色体编码的混合遗传算法来求解鲁棒优化模型.算例仿真表明,利用鲁棒优化模型进行供应链网络设计,系统误差减小,系统呈现出对不确定因素的不敏感性.     

时域鲁棒设计Frobenius最小化的优化算法

针对闭环系统矩阵‖·‖Ｆ范数最小化的时域鲁棒设计优化算法精度及速度问题，提出了采用最速下降共轭梯度优化算法，取得了满意的寻优效果     

区域综合能源系统两阶段鲁棒博弈优化调度

在区域综合能源系统的基本架构上,为了提升系统经济性与可再生能源并网能力,研究混合储能、冷热电联供机组（CCHP）、能量转换装置在多能互补下的两阶段优化运行模型. 利用虚拟能量厂（VEP）,平抑发、用电不确定性;采用鲁棒理论,构建灵活调整边界的不确定合集;引入条件风险理论,构建考虑多种不确定关系耦合下基于Copula-RCVaR的能量管理风险模型. 针对上述模型特点,提出基于滤子技术的多目标鲸鱼算法进行求解. 分析不同可再生能源渗透率及集群效应对系统收益结果和运行策略的影响. 结果表明,引入虚拟能量厂可以提高利润1.9%,在保证稳定运行的前提下合理选择荷、源不确定变量的置信概率,可以提高利润5.9%.