变邻域结构Tabu搜索算法及其在JobShop调度问题上的应用

本文针对最小化完工时间的Job Shop调度问题提出一种变邻域结构Tabu搜索算法,该算法使用的邻域结构随算法的进程而改变,不仅邻域规模小,而且仍保持了可达性这一重要的属性.对不同规模的实例进行了数值计算,计算结果表明,该算法具有非常高的效率,且初始解对算法的影响很小.     

基于粒子群优化的地震应急物资多目标调度算法

合理高效地优化调度救灾物资对提升地震应急救援效果具有重要意义。地震应急需要同时兼顾时效性、公平性和经济性等相互冲突的多个调度目标。该文对地震应急物资调度问题建立了带约束的3目标优化模型，并设计了基于进化状态评估的自适应多目标粒子群优化算法(AMOPSO/ESE)来求解Pareto最优解集。然后根据“先粗后精”的决策行为模式提出了由兴趣最优解集和邻域最优解集构成的Pareto前沿来辅助决策过程。仿真表明该算法能有效地获得优化调度方案，与其他算法相比，所得Pareto解集在收敛性和多样性上具有性能优势。     

基于改进的禁忌搜索算法求解车间作业调度问题

本文描述了一种解决车间作业调度最短完工时间问题的有效禁忌搜索算法,建立了该问题的数学模型,并提出了新的邻域构造方法。该算法利用改进的插入算法构造尽可能好的初始解,然后使用禁忌搜索算法改进当前解。实验结果表明该算法是可行和有效的。     

一种新型的变领域搜索算法

一般变邻域搜索算法在连续优化问题的可行解空间上难以找到局部最优解。提出了一种结合SQP算法的变邻域搜索算法,该算法将SQP算法引入到变邻域搜索算法的局部搜索过程中,以SQP算法寻找局部最优解,以变邻域搜索算法跳出局部最优解的低谷,进而寻找到全局最优解。另外还对变邻域搜索算法的初始解和扰动过程进行了改进。数值实验表明,该算法具有良好的收敛性和搜索精度,求解效果优于文献算法。     

蜂窝终端直通混合网络中基于不同终端速率要求的资源调度策略

该文针对蜂窝终端直通(Device-to-Device,D2D)混合网络的两类终端提出一种新的无线资源调度策略,以提高混合网络整体性能实现无线资源的高效利用。该文无线资源调度问题分为频谱资源块和终端功率分配两个部分,首先,对该问题以混合网络和速率最大为优化目标进行理论建模,其约束条件为最大功率限制以及速率需求比值。速率需求比值可以用来区分蜂窝和直通(D2D)两类终端各自的速率需求,从而满足不同的服务质量(Quality of Service,QoS)。接着,通过拉格朗日乘数求解法,得到了上述最优化问题的最优解,即蜂窝和直通(D2D)终端分配的最优资源块序号以及功率值。从最优解可以看出,资源块的选取和功率分配两者互为条件选择的关系。根据这一结论,该文给出相应的调度策略,其中功率分配部分采用注水算法来实现。最后,通过系统级仿真,可以看出提出的新调度策略在混合网络的总吞吐和终端用户的公平性上都可实现较大提升。     

基于多业务QoS的LTE下行资源分配算法

提出一种保证混合业务QoS的LTE系统下层资源分配算法。该算法采用跨层设计思想,根据用户缓存队列状态以及QoS需求将用户按照调度的紧急程度分为三类,然后按照不同的调度准则依次为这三类用户分配资源块。仿真结果表明,所提资源块分配算法不仅能够大幅度降低用户的丢比特率,还能改善用户公平性和吞吐量性能。     

基于数据挖掘的混合云作业调度算法

针对当前云作业调度算法效率低的不足,为了获得理想的云作业调度结果,以便给用户提供更好的服务质量,提出基于数据挖掘的混合云作业调度算法。对混合云作业调度的原理进行分析,指出当前云作业调度算法性能差的原因,建立云作业调度的目标函数,并采用数据挖掘技术找到最理想的混合云作业调度方案。在Cloud Sim环境下,通过具体混合云作业调度实验对算法的性能进行验证。结果表明,该算法不仅大幅度提高了混合云作业调度的成功率,而且加快了混合云作业完成的时间,具有较好的实际应用价值。     

基于运动连续性的遗帧率上变换算法

为了解决高清视频序列固有的运动模糊、残影等问题,同时提高低比特率通信的质量,提出了一种新的帧率上变换算法.该算法将遗传算法引入到运动估计中并结合现有运动估计算法进行了改进,使其充分利用视频在时间上和空间上的连续性,提高算法性能,同时减小算法的复杂度;对得到的运动矢量场进行了矢量细化处理,减小了块效应;并利用邻域运动矢量进行加权的重叠块运动补偿,提高内插块的精度.实验结果表明,与传统算法相比,该算法在主客观评估中都有较大的性能提升.     

基于变领域遗传算法的生产流水线物流调度

生产计划和调度是制造企业的核心问题,工件的延迟或提前会带来额外库存、价格变动、产品损耗等多种问题。文中基于准时化模式的生产理念,研究考虑机器准备时间的两阶段生产流水线物流的工件最佳排序问题。以最小化最大拖期和提前期为目标函数,提出了一种变邻域遗传搜索算法。该算法将遗传算法求得的最优解作为变邻域搜索的初始解,利用变邻域搜索较好的局部搜索能力进行精细搜索,以提高算法的求解质量。通过仿真实验和算法比较验证了变邻域遗传搜索算法的有效性。     

自适应遗传灰狼优化算法求解带容量约束的车辆路径问题

带容量约束的车辆路径问题是NP难的组合优化问题,精确算法无法在合理的时间内得到有效的解.本文提出了一种采用灰狼空间整数编码和先路由后分组解决方案生成策略的自适应遗传灰狼优化算法用于求解带容量约束的车辆路径问题.该算法提出了移动平均自适应灰狼更新策略和灰狼基因遗传策略提高全局收敛能力,同时提出带3-opt的劣势点启发邻域搜索策略来增强算法的全局和局部搜索能力.实验结果表明：所提出算法具有较高的计算精度和较强的寻优能力,有较高的鲁棒性,通过与自适应扫描和速度推测粒子群优化算法、K均值聚类和灰狼优化混合算法、大邻域搜索和蚁群优化混合算法、基于精英选择的多种群人工蜂群算法、基于集覆盖的扩展节省算法、混合变邻域生物共栖搜索算法等6个算法对比证明了算法的有效性.     

基于粒子群算法的车间作业调度问题

通过对车间调度问题的描述,针对传统算法寻优效率低的弱点,提出了一种基于粒子群算法的车间作业调度问题的解决方案.对粒子群算法的基本原理进行了阐述,并对粒子群算法的编码、参数的选择以及解码进行了研究,以最小化最大流程时间作为评价算法的性能指标,将其用于编程求解典型调度问题.仿真结果表明,粒子群算法在求解车间作业调度的应用上是十分有效的.     

工件混流方式下的调度算法设计研究

工件混流方式类型的调度问题是一个NP难题，近年来用人工智能法特别是将遗传算法来研究工件混流方式调度问题比较多，在遗传算子操作中如何保持染色体的合法性是一个难点。文章给出了一个新的染色体编码方式，结合到动态调度算法来解决工件混流方式调度问题，并利用调度与优化分开的原则，来提高整个算法对数据环境的适应性。计算机的仿真表明该算法对残缺数据环境具有灵活的适应性，而且其效果也是良好的。     

Solving Multiple-Objective Flexible Job Shop Problems by Evolution and Local Search

Finding realistic schedules for flexible job shop problems has attracted many researchers recently due to its nondeterministic polynomial time (NP) hardness. In this paper, we present an efficient approach for solving the multiple-objective flexible job shop by combining evolutionary algorithm and guided local search (GLS). Instead of applying random local search to find neighboring solutions, we introduce a GLS procedure to accelerate the process of convergence to Pareto-optimal solutions. The main improvement of this combination is to help diversify the population toward the Pareto front. A branch and bound algorithm for finding the lower bounds of multiple-objective solutions is also proposed. Experimental results indicate that the multiple-objective Pareto-optimal solutions of our algorithms dominate previous designs for solving the same benchmarks while incurring less computational time.      

基于PSO的置换流水车间调度算法

置换流水车间调度问题(PFSP)是典型的具有工程背景的组合优化问题.对该问题的研究具有重要的理论意义与应用价值.本文针对PFSP问题提出了新的基于粒子群优化(PSO)的调度算法.论文分析了广义粒子群优化(GPSO)模型中信息流动拓扑结构的缺陷,提出新的基于种群的元启发式算法信息共享机制SISM.基于SISM信息共享机制的PSO调度算法利用PFSP问题的邻域知识指导个体的局部搜索.与历史文献中该问题的代表性算法比较,该算法可在调度质量与计算费用之间获得较好的平衡.仿真实例验证了该调度算法的有效性.     

求解模糊作业车间调度问题的群体邻域搜索算法

 本文提出一种群体邻域搜索算法(Swarm-based Neighborhood Search,SNS),用于最小化模糊作业车间调度问题(Fuzzy Job Shop Scheduling Problem,FJSSP)的模糊makespan.该算法使用基于有序工序的编码,通过锦标赛选择和概率为1的动态调整互换操作更新群体.对调度结果的理论分析表明,模糊makespan能反映解的优劣.理论分析及大量实验证明,SNS具有较强的全局和局部优化能力,以及较快的收敛速度,在求解FJSSP方面具有较强的优势.     

求解改进布谷鸟算法的置换流水车间调度问题

针对实际工况下置换流水车间调度问题,文中以最小化完工时间为目标对标准布谷鸟算法进行了改进。为提高优化解的稳定性和算法的计算精度,该算法将淘汰概率引入动态自适应机制,将局部搜索引入差分进化机制,并在初始种群的生成中引入NEH算法。文中将改进的布谷鸟算法运用于解决实际工况下的置换流水车间调度问题,通过与标准布谷鸟算法仿真优化结果进行对比,证明了改进布谷鸟算法具有更好的解的稳定性和更高的寻优精度。     

进化规划方法在最小化拖期任务数并行机调度问题中的应用

随着ＣＩＭＳ技术的发展,生产线调度问题的研究显得日益重要,最小化拖用期任务数并行机调度问题是一类重要的生产线调度问题,但迄今为止,在解决工件和机器数较多的大规模并行机调度问题还存在着许多困难,进化规划方法与遗传算法一样是一种重要的进化计算方法,它具有描述简单,使用灵活,运行效率高,鲁棒性强,较少受初始条件限制等优点,这使得它有很高的实用价值,但与遗传算法相比,进化规划方法的应用还刚刚开始,特别是在     

基于基因片段分解的粒子群算法求解置换Flowshop问题

针对粒子群算法在求解置换流水车间调度问题时容易早熟的现象,提出了一种基于基因片段分解的粒子群优化算法求解置换流水车间调度问题。首先,对工件加工顺序采用了基因片段分解的方法,个体的初始值是随机生成的,但是初始种群采用贪婪方法得到。然后,通过加入综合学习策略和增强基因片段间的合作来提高该算法的全局搜索能力,对基因片段最优解进行交换局部搜索。最后,通过对Rec系列20个子问题的仿真测试,得出该算法在每个子问题上都取得了优于粒子群算法的解。仿真结果表明该算法收敛速度快,且具有较高的求解质量。     

基于遗传算法的生产车间调度方法研究

生产调度理论与方法研究是非常困难的课题,中成药加工生产车间调度问题有着深刻的实际背景和广阔的应用前景.为此本文全面综述了生产调度的相关理论模型,并分析了遗传算法在中成药加工生产车间调度中的应用,最后总结了将遗传算法、作业车间调度和中成药生产调度结合的优点和对研究的展望.     

基亏基因片段分解的粒子群算法求解置换Flowshop问题

针对粒子群算法在求解置换流水车间调度问题时容易早熟的现象,提出了一种基于基因片段分解的粒子群优化算法求解置换流水车间调度问题。首先。对工件加工顺序采用了基因片段分解的方法,个体的初始值是随机生成的。但是初始种群采用贪婪方法得到。然后,通过加入综合学习策略和增强基因片段间的合作来提高该算法的全局搜索能力。对基因片段最优解进行交换局部搜索。最后,通过对Rec系列20个子问题的仿真测试,得出该算法在每个子问题上都取得了优于粒子群算法的解。仿真结果表明该算法收敛速度快,且具有较高的求解质量。