面向应急救援的多目标资源调度机制

突发公共事件发生后,应急资源调度作为应急管理的重要环节,是其实现救援价值的重要体现.首先从应急管理角度分析了资源调度策略的影响因素,然后以优化时间满意度、成本耗费和需求满意度为目标构建多目标应急资源调度模型,通过引入粒子群算法求解多目标函数,决策出效用满意度最大的资源调度方案.最后,以效用满意度作为应急资源调度的均衡性指标.仿真实验结果表明,该方法具有较好的效用满意度,提高了资源调度的有效性.     

求解JSP问题的改进遗传算法

作业车间调度是一类求解困难的组合优化问题，使用改进的遗传算法来求解。GA有新解产生盲目性的特点，以搜索效率为目标提出了一种改进的遗传算法，在解的搜索过程中，通过禁忌表操作来评价种群。改进的遗传算法在保持群体多样性的同时，加快了遗传算法的收敛速度，将该算法用于典型作业车间调度问题的测试，找到了已公布的最优解，对超大规模的问题还有待进一步研究。     

基于改进遗传算法的弹药运输车辆调度问题研究

建立了弹药运输车辆调度问题的数学模型,针对传统遗传算法求解该问题具有收敛速度慢、易陷入局部极小的缺点,提出了一种改进的遗传算法予以求解。在改进算法中引入一种基于信息素的遗传交叉算子,该算子能利用以信息素形式保存的全局信息,从而提高收敛速度;算法中的变异算子采用Relocation、Exchange、2-opt＊及2-opt 4种启发式搜索算法,尽可能扩大搜索范围。算例分析表明了所提改进遗传算法求解弹药运输车辆调度问题的有效性和可行性。     

遗传算法在多资源优化调度问题中的应用

多资源项目调度中优化资源使用问题是在满足项目中活动之间的时序约束和资源约束条件下 ,使资源充分使用的调度方案 .针对资源均衡使用的优化目标建立了非线性数学规划模型 ,利用遗传算法进行求解 .仿真实例表明方法的有效性     

带软时间窗的公共自行车调度路径问题

为了提高公共自行车调度的效率,研究了一种带软时间窗的自行车调度路径问题.首先根据公共自行车调度工作内容,建立多目标调度路径模型,然后设计一种改进的蚁群算法对模型进行了求解.实验结果显示,本文方法求解的调度路径比模拟退火算法、蚁群算法和遗传算法分别缩短了18.4%、24.3%和13.0%,而且还能有效节约调度车辆.     

基于种群动态分群策略的改进遗传算法无人机基站调度优化算法

面向构建应急通信网络中的无人机基站调度问题,提出一种基于种群动态分群策略的改进遗传算法,以实现无人机基站快速灵活调度。针对传统遗传算法性能对初始种群质量依赖性较强的问题,设计基于约束条件筛选的初始种群随机生成方法;针对传统遗传算法收敛速度较慢且当初始种群过度聚集容易陷入局部最优解的问题,提出种群进化动态分群策略,按适应度将种群划分为两个子种群,并分别设计动态交叉及变异概率。仿真实验结果表明,改进后的遗传算法收敛速度和全局寻优能力都有显著提高。     

求解柔性作业车间调度的岛屿模型遗传算法

针对多品种小批量复杂产品生产的调度优化问题,结合柔性作业车间调度问题与统一计算设备架构的特点,提出了一种求解柔性作业车间调度问题的岛屿模型遗传算法.设计了统一计算设备架构的存储模型及执行模型,给出了染色体编码、解码方式,并改进了遗传算法的选择、交叉、变异操作,最后定义了迁移操作.算法提高了遗传算法在统一计算设备架构上的并行处理效率,使用标准实验数据进行测试,结果表明了使用岛屿模型遗传算法求解柔性作业车间调度问题是有效的和可行的.     

基于自适应遗传算法的混合流水车间调度研究

混合流水车间调度问题具有建模复杂性、动态多约束、计算复杂性、多目标性等特点,近些年,各种演进化算法被运用到生产调度中,特别是遗传算法的应用。本文提出了自适应遗传算法求解混合Flow-shop调度问题的方法,应用Matlab对算法进行编码,并利用实际的生产数据进行了仿真。通过仿真实验,仿真调度数据验证了自适应遗传算法用于求解大型流水车间调度的可行性和有效性。     

一种求解资源受限项目调度问题的遗传算法

提出一种求解使用可更新资源的单模式资源受限项目调度问题的遗传算法．采用遗传算法对项目活动进行调度,在满足紧前关系约束和资源约束的条件下,最小化项目工期．继承了基于排列和基于优先级的编码方案的优点,提出一种新的基于优先权排列的编码方案．采用串行调度方法生成项目计划．使用PSPLIB中的标准问题库对算法进行了充分的数值实验,通过与既有算法进行比较,证明本文算法的有效性．     

一种改进混合遗传算法解决车间作业调度问题的研究

车间作业排序理论是生产管理与组合优化领域的重要研究方向,由于其固有的计算复杂性(NP-Hard),一般无法利用经典方法求出最优解.针对作业车间调度问题,提出一种求解作业车间调度问题改进的遗传算法.该算法对交叉算子和变异算子进行改进,并将遗传算法和启发式算法相结合,建立一种混合算法框架,能有效避免局部最优.通过实例的计算和分析,取得了良好的调度效果,论证了算法的有效性和稳定性.     

基于遗传算法的网格资源任务调度策略研究

网格是当前高性能计算领域的一个研究热点。首先分析了网格任务的特点,给出了网格任务模型,在此基础上提出了一种层次结构的网格资源管理任务调度系统模型。采用了遗传算法作为调度策略,给出了调度策略的每一步具体实现方案。此模型可为网格的资源管理提供一个统一的高层管理框架,能实现全局最优调度,为网格调度提供了一种有效的方法和途径。     

Job shop scheduling problem with alternative machines using genetic algorithms

The classical job shop scheduling problem (JSP) is the most popular machine scheduling model in practice and is known as NP-hard. The formulation of the JSP is based on the assumption that for each part type or job there is only one process plan that prescribes the sequence of operations and the machine on which each operation has to be performed. However, JSP with alternative machines for various operations is an extension of the classical JSP, which allows an operation to be processed by any machine from a given set of machines. Since this problem requires an additional decision of machine allocation during scheduling, it is much more complex than JSP. We present a domain independent genetic algorithm (GA) approach for the job shop scheduling problem with alternative machines. The GA is implemented in a spreadsheet environment. The performance of the proposed GA is analyzed by comparing with various problem instances taken from the literatures. The result shows that the proposed GA is competitive with the existing approaches. A simplified approach that would be beneficial to both practitioners and researchers is presented for solving scheduling problems with alternative machines.     

Simultaneous scheduling of machines and automated guided vehicles in flexible manufacturing systems using genetic algorithms

The problem of simultaneous scheduling of machines and vehicles in flexible manufacturing system (FMS) was addressed.A spreadsheet based genetic algorithm (GA) approach was presented to solve the problem.A domain independent general purpose GA was used,which was an add-in to the spreadsheet software.An adaptation of the propritary GA software was demonstrated to the problem of minimizing the total completion time or makespan for simultaneous scheduling of machines and vehicles in flexible manufacturing syst...     

基于改进遗传算法的公交智能调度

针对公交车辆调度的现状以及所处的运营环境,为了兼顾公交公司与乘客的利益,研究了公交智能调度的优化方法.通过对遗传算法(GA)和禁忌搜索算法(TS)进行分析,提出了一种基于遗传算法和禁忌搜索算法的混合策略(GA-TS).考虑到遗传算法的早熟收敛和禁忌搜索算法自适应强的问题,将上述两种算法相结合,把禁忌搜索算法独有的记忆思想引入到遗传算法的搜索过程中,构造了新的重组算子,提出了基于遗传算法和禁忌搜索算法的混合优化调度算法.实验结果表明,该方法能够有效地解决组合优化问题.     

解动态Job-shop调度问题的遗传算法

研究了动态Job-shop调度问题,并设计了一种改进的遗传算法。该算法借鉴启发式算法,使用向量进行遗传编码;遗传计算中引入种群间竞争,实现种群向更高层的平衡态进化,进而全局优化调度方案;利用调度评价函数及负荷表,对动态的生产调度进行了有效地评价。仿真实验表明了此法用于复合调度问题的优越性。     

空间观测任务调度子Agent的底层优化模型及算法

对于采用分层的主从Agent体系结构的航天器自主运行系统而言,各个子Agent可以单独设计,这样就大大减小了设计难度并提高了程序运行效率。对于每个子Agent而言,可以专注于底层模型和算法的设计。空间观测任务调度子Agent的任务是对空间观测任务进行调度,以使在有限的资源下,可观测任务最多,观测价值最大。针对这一子Agent,建立了优化模型来完成最优调度问题的建模。优化模型的目标函数为观测任务的优先级之和最大,优先级与观测任务的价值有关。约束条件包括观测机会约束、航天器资源约束等。采用基于遗传算法的启发式算法进行求解,建立了具有可扩展性的任务调度仿真演示系统,直观的演示了调度后的任务运行情况。     

求解较大规模JSSP的自适应混合遗传算法

针对一类以最小化加权拖期时间为调度目标的Job Shop调度问题（JSSP），提出一种自适应混合遗传算法。首先，在遗传算法迭代求解过程中，为降低调度问题的求解规模，基于所定义的调度特征量——资源冲突可能性，将所有操作动态划分为资源冲突可能性较高的操作和资源冲突可能性较低的操作，分别直接和间接参与染色体编码。然后，基于上述划分，遗传算法中的染色体由直接参与编码的操作序列构成的基因串、表示启发式规则的基因串（用于确定间接参与染色体编码的操作的加工优先顺序）和标志串3段基因串组成。另外，构造了一个模糊逻辑控制器用于自适应调节第一段基因串的长度，以提高算法性能。数值仿真结果表明，在求解一类较大规模的JSSP时所提算法是有效的。     

基于多目标拆分优化思维的拥塞网络数值调度方法

针对网络拥塞数值调度中存在的盲目性问题,提出了一种基于多目标拆分优化的网络拥塞数值调度方法.将拥塞网络的数值调度问题进行模型化表示,并将拥塞过程调度的最优问题分解为多个目标同时优化问题:即信道最优任务分配问题和路由拥塞调度问题.根据粒子群算法,对信道分配问题的最优解进行计算,同时设计约束模型并利用遗传算法求解拥塞调度问题,实现了在拥塞状态下的网络数值调度.结果表明,所提出算法获得的拥塞调度方案具有较好的可执行性.     

多资源分配问题中GA的应用

针对多资源受限项目调度中均衡使用资源问题,以发电厂施工建设为背景,依据工程网络图,利用ＣＰＭ／ＰＥＲＴ技术,采用非线性整数规划模型,提出利用遗传算法求解ＲＣＰＳＰ,并在中、小规模工程项目中予以应用,结果表明,ＧＡ是解决多资源分配问题的有效算法．