蚁群-粒子群算法求解多模式资源受限项目调度问题

通过分析多模式项目调度问题的特点,提出一种主、从递阶结构的蚁群粒子群求解算法。算法中,主级为蚁群算法,完成任务模式选择;从级为粒子群算法,完成主级约束下的任务调度。然后,以工期最小和资源均衡分配为目标设计蚂蚁转移概率、模式优选概率和任务优选概率。最后,针对PSPLIB中的测试集对算法主要参数进行优化,并通过与其他算法比较验证了算法的有效性。     

蚁群算法在资源受限项目调度问题中的应用

资源受限的项目调度问题(RCPSP,Resource-ConstrainedProjectSchedulingProblems)已经被证明是一种NP-hard的组合优化问题,随着问题规模的增大,使用经典的数学方法如数学规划等方法,已经很难解决问题。论文提出了一种用于求解资源受限的项目调度问题的蚁群算法。针对资源受限的项目调度问题的具体特点,提出了蚂蚁巡游网络图的动态生成方式,信息素的表示及更新方式,以及启发信息的计算方法。针对PSPLIB中的测试集对算法中的主要参数进行了优化,最后,使用PSPLIB中的四种测试集对算法进行了测试,计算结果表明了算法的有效性。     

人工蜂群算法求解资源受限项目调度问题

针对资源受限项目调度问题,提出了一种基于人工蜂群算法的优化方法。人工蜂群算法中每个食物源的位置代表一种项目任务的优先权序列,每个食物源的位置通过扩展串行调度机制转换成可行的调度方案,迭代中由三种人工蜂执行不同的操作来实现全局最优解的更新。实验结果表明,人工蜂群算法是求解资源受限项目调度问题的有效方法,同时扩展调度机制的引入可以加速迭代收敛的进程。     

粒子群优化算法在柔性资源受限项目调度中的研究

为了更有效地解决柔性资源受限项目调度问题,建立了速熟练度的技能供给矩阵,并应用混沌粒子群优化算 法来满足工序的先后约束关系,以在技能供给受限的情况下形成优先规则序列,根据串行进度生成机制形成该序列下 的最优解,运用嵌入混沌理论的粒子群优化算法更新种群,寻得全局最优解。实验结果验证了混沌粒子群优化算法求 解该问题的可行性和有效性,对于项目管理中柔性资源受限问题具有实际应用价值。     

蚁群算法在资源受限项目调度中的应用

本文描述了在应用蚁群算法求解资源受限项目调度问题时,蚂蚁如何在项目网络图上巡游并动态生成最优解,以及蚁群信息素的更新方式和多种启发式信息的定义方法,验算了算法在不同的参数组合下对测试案例的求解效果。     

资源受限的项目调度问题的求解算法

本文建立了不确定资源环境下的资源受限的项目调度模型,用不确定规划的方法将不确定问题转化为等价的确定性问题,并给出了一个解决该问题的二阶段算法及实例。     

考虑胜任力水平的研发项目群人力资源调度

在资源受限项目调度问题中,将可更新资源进一步拓展为具有胜任力差异的人力资源,建立考虑胜任力差异的人力资源受限项目调度问题模型,该模型是对传统多模式资源约束项目调度问题（MRCPSP）更接近研发项目群实际的扩展。提出了衡量人员胜任力的参数及估算公式,以多项目总工期和总成本最小化为双目标,建立相应的数学优化模型。按双目标重要性排序,依次对工期最优及成本最优的单目标优化问题求解。根据模型的约束条件将多项目初始网络图转化为几种单项目初始网络图,利用枚举算法给出满足约束条件的可行解集,再设计基于动态规划思想的算法进行分阶段寻优。数值实验表明,考虑了胜任力差异的数学优化模型在求解质量方面具有良好性能。     

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。     

资源受限项目调度问题的改进文化微粒群算法求解

为了克服标准微粒群算法在求解资源受限项目调度问题上存在的早熟现象,提出一种改进的文化微粒群算法。该算法框架基于微粒群算法的主群体空间和文化算法的知识空间,两种空间具有各自的群体并可独立并行演化,形成双演化双促进机制,提高了算法的全局搜索能力和运行效率。同时为了避免文化算法知识空间自我演化限制,引入遗传算法的演化机制来改进知识空间的演化操作。通过具体的算例比较,验证了提出的改进文化微粒群算法在求解资源受限项目问题时的有效性。     

柔性资源受限多项目调度的混沌粒子群算法研究

为解决柔性资源受限多项目的调度问题,有效实行资源分配和工作时间安排,采用混沌粒子群算法结合混合优先规则,形成优先规则序列。针对多项目问题,避免了传统方法将多个项目合并为一个项目,而是形成一个链表在项目的各工序间进行选择调度,并在初始化中嵌入混沌理论,在迭代过程中使用并行算法,有效避免了算法易陷入局部最优解的可能。改编标准库的多模式算例,对比多种算法下的结果,验证了该方法在求解该问题的可行性和有效性,对于项目管理中柔性资源受限问题具有实际应用价值。     

A multi-agent system for the decentralized resource-constrained multi-project scheduling problem

A restart evolution strategy (RES) for the resource‐constrained project scheduling problem (RCPSP), as well as its integration in a multi‐agent system (MAS) for solving the decentralized resource‐constrained multi‐project scheduling problem (DRCMPSP) will be presented. To evaluate the developed approach, problem instances of the RCPSP taken from the literature with up to 300 activities are used, as well as 80 generated instances of the DRCMPSP, with up to 20 projects and with up to 120 activities each. For 73 instances of the RCPSP, the RES found better solutions than the best ones found so far. In addition, the MAS is suitable for solving large multi‐project instances decentrally. The results for the DRCMPSP instances show that the presented decentralized MAS is competitive with a central solution approach.     

一种求解多目标资源受限项目调度的遗传算法

采用基于非支配性排序的多目标遗传算法—NSGA－Ⅱ,设计了一种求解多模式、多种类资源约束的多目标资源受限项目调度问题的遗传算法,该算法所设计的编码包含两部分,一部分为一个任务链表,另一部分为任务链表中各任务所对应的执行模式组成的模式向量。将所设计的算法用于求解文献中的以项目总工期和资源均衡为目标的农业项目调度问题,结果表明此算法对于求解多目标资源受限项目调度问题是有效的。     

Genetic algorithm for the resource-constrained project scheduling problem

We consider the resource-constrained project scheduling problem with respect to the makespan minimization criterion. The problem accounts for technological constraints of activities precedence together with resource constraints. We propose a genetic algorithm with two versions of crossovers based on the idea of most rational use of constrained resources. The crossovers uses a heuristic that takes into account the degree of criticality for the resources, which is derived from the solution of a relaxed problem with a constraint on accumulative resources. A numerical experiment with examples from the PCPLIB library has shown that the proposed algorithm has competitive quality. For some examples from the j120 test series the best known solutions were improved and for j60 (50 000 and 500 000 iterations) and for j120 (500 000 iterations) we have obtain the best average deviations of the solutions from the critical path value.     

应用遗传模拟退火算法实现资源受限项目调度

针对以最小化项目工期为目标的资源受限项目调度问题（RCPSP）,提出将模拟退火算法融合到遗传算法中,以改善遗传算法局部搜索性能,增强进化能力的遗传模拟退火算法——RCPSPGSA。在每次进化迭代过程中,下一代种群的个体需经过模拟退火算法改进,并通过在每次迭代结束前进行降温操作保证遗传算法和模拟退火算法具有相同的收敛方向和速度。算法在RCPSP标准测试问题库PSPLIB上进行数值仿真实验,并采用正交实验分析法解决参数选择问题。实验结果证明选择的参数组合具有突出的性能,RCPSPGSA是求解RCPSP的有效算法。     

求解任务可拆分多项目协同调度问题的启发式算法

生产项目计划与调度过程中任务可以被拆分为更小粒度的子任务分批次执行,实现缩短项目总工期的优化目标.针对抢占式任务可拆分多项目调度问题,从协同优化角度探讨任务拆分与重组方式,提出一个长工期任务优先拆分、长工期项目优先拆分和高资源利用率项目优先拆分3种任务拆分优先级判断规则,设计一种求解任务可拆分多项目协同调度问题的启发式算法.最后通过数值实例和仿真分析验证了所提出方法在多项目调度总工期的优化效果和求解效率.     

A hybrid evolutionary algorithm for the resource-constrained project scheduling problem

The resource-constrained project scheduling problem (RCPSP) is an NP-hard optimization problem. RCPSP is one of the most important and challenging problems in the project management field. In the past few years, many researches have been proposed for solving the RCPSP. The objective of this problem is to schedule the activities under limited resources so that the project makespan is minimized. This paper proposes a new algorithm for solving RCPSP that combines the concepts of negative selection mechanism of the biologic immune system, simulated annealing algorithm (SA), tabu search algorithm (TS) and genetic algorithm (GA) together. The performance of the proposed algorithm is evaluated and compared to current state-of-the-art metaheuristic algorithms. In this study, the benchmark data sets used in testing the performance of the proposed algorithm are obtained from the project scheduling problem library. The performance is measured in terms of the average percentage deviation from the critical path lower bound. The experimental results show that the proposed algorithm outperforms the state-of-the-art metaheuristic algorithms on all standard benchmark data sets.     

An effective shuffled frog-leaping algorithm for resource-constrained project scheduling problem

In this paper, we propose an effective heuristic based on the framework of the shuffled frog-leaping algorithm (SFLA) for solving the resource-constrained project scheduling problem (RCPSP). We encode the virtual frog as the extended activity list (EAL) and decode it by the SFLA-specific serial schedule generation scheme (SSSGS). The initial population is generated by the regret-based sampling method and the priority rule. Then, virtual frogs are partitioned into several memeplexes, and each memeplex evolves by adopting the effective resource-based crossover (RBCO). To enhance the exploitation ability, a combined local search including permutation-based local search (PBLS) and forward-backward improvement (FBI) is performed in each memeplex. To maintain the diversity of each memeplex, virtual frogs are periodically shuffled and reorganized into new memeplexes. Basing on some theoretical analysis, speed-up evaluation methods are proposed to improve the efficiency of the SFLA, which are also suitable for other heuristics designed for RCPSP. In addition, we make use of a design-of-experiment method to determine the set of suitable parameters for the SFLA. Computational results and comparisons with some typical existing algorithms demonstrate the effectiveness of the proposed SFLA.     

基于改进NSGA-II算法求解多目标资源受限项目调度问题

资源受限项目调度问题(resource constrained project scheduling problem, RCPSP)要求在满足相关约束的条件下安排各活动开始时间,从而达到某一目标的最优,具有很强的应用背景,并受到众多学者的广泛关注.经典的RCPSP模型以最小化项目工期为单一目标,忽略了资源使用率等因素对项目整体的影响,使其与实际应用仍有较大差距.基于经典的RCPSP模型,引入最优资源均衡为另一目标,将模型扩展为多目标模型,丰富了RCPSP模型的应用场景.同时,考虑到新模型中各活动间存在大量的控制关系,使用传统的启发式多目标算法需要耗费大量的时间对不可行解进行判断,求解性能较低,提出一种新的算法框架NSGA-IIs.该算法框架基于活动间控制关系将各活动分成若干子集,并在初始化和交叉变异等阶段以子集为基本单位产生新的个体,能够较好地避免不可行解的产生,提高算法的效率.使用解集覆盖度作为评价指标,通过实例数据集的实验表明,与已有的求解RCPSP的经典算法相比,所提出的算法具有明显的优越性.     

基于BS-GA的资源约束多项目调度问题研究

针对资源约束的多项目调度问题(RCMPSP),考虑到项目、项目任务和资源各自之间的差异性,引入项目权重系数、活动质量因子和资源能力系数3个概念,提出了一个工期与质量的均衡优化模型.该模型根据资源的配置计划,确定了项目任务的资源平均能力系数,然后用项目权重系数和活动质量因子计算出多项目的单位工期时间内资源平均能力系数,利...