基于混沌粒子群算法的项目调度干扰问题研究

针对资源受限项目调度问题中的干扰情况进行了界定, 面向几种干扰问题建立了相应的资源受限项目调度干扰模型和混沌粒子群求解算法, 对项目网络图干扰、任务干扰和资源干扰三种干扰问题进行仿真计算, 验证了算法和模型的有效性, 为决策者在干扰事件发生后及时对原最优调度计划作出调整给出了方向。     

生产调度干扰管理模型构建及智能算法研究

在现代企业生产经营过程中,生产调度的作用日益突出。它是生产管理领域内的关键生产环节。干扰管理是近些年来学者提出的一种新的处理生产过程中突发事件的思想和方法,已在供应链、物流以及某些特定领域的调度方面有所应用。流水车间调度问题(Flow-shopScheduling Problem,FSP)是一类复杂且极有代表性的流水线生产调度问题的简化模型,它无论是在离散制造工业还是在流程工业中都具有广泛的应用,具有一定的代表性。构建了流水车间调度问题以及干扰为工件到达的流水车间调度干扰管理模型,其经典目标函数为最大完工时间和干扰目标函数为干扰时间差相混合。     

基于混沌粒子群算法的关键链项目进度管理研究*

应用混沌粒子群算法解决关键链项目管理的优化调度问题,并利用了混沌运动遍历性,随机性等特点,对传统粒子群算法进行改进,摆脱了粒子群算法后期易陷入局部极值点的缺点,并保持了前期搜索的快速性。通过实例证明,在求解该类问题上,混沌粒子群算法比基本粒子群算法更具有优势。     

微粒群优化算法在流水线干扰管理调度中的应用

微粒群优化算法(Particle Swarm Optimization,PSO)是起源于鸟群和鱼群群体运动行为的研究,是在蚁群算法提出之后的又一种新的进化计算技术,具有典型的群体智能特性。本文构建了干扰为工件到达的流水车间调度干扰管理模型,其经典目标函数为最大完工时间和干扰目标函数为干扰时间差相混合。本文运用微粒群优化算法求解流水线干扰管理调度问题,给出了计算实例并进行了详细分析,并对干扰管理问题和重调度问题进行了测试分析,得出了有参考意义的结果。