改进粒子群算法求解应急项目瓶颈资源动态调度问题

应急项目中资源的调度受到多种随机因素影响,处于复杂动态的环境中,求解困难;约束理论指出瓶颈是复杂系统管理的核心,将调度的重点放在瓶颈资源上可以简化复杂系统问题。针对于此,研究了应急项目中瓶颈资源的动态调度问题,以达到提高资源的利用率、减轻损失等目的。首先,从优化目标、机器环境、作业特征和约束几方面分析并描述了应急项目中瓶颈资源调度的问题特征,建立了相应的数学模型;接着,运用混合重调度策略和改进粒子群算法进行算法设计,实现了瓶颈资源的动态调度;最后,通过仿真实验并对比了多种算法的结果,验证了该算法的可行性和有效性,证明其具有较好的理论和实际应用价值。     

半在线调度中约束求解算法研究

很多实际调度问题是半在线的. 尝试运用人工智能方法来求解半在线调度问题, 首先简要介绍了半在线调度问题并对其约束模型进行了分类, 通过引入单调性约束扩展的相关概念, 从约束建模角度形式化描述 了一类动态约束扩展, 并在此基础上设计了一个完备动态约束求解算法, 最后给出该算法在半在线离散资源约束调度求解的应用算例. 测试结果表明, 该算法是可行有效的.     

物流动态车辆调度问题的混合禁忌搜索算法

在分析动态车辆调度问题的基础上,建立了基于时间轴的动态模型;接着针对该问题在实际中的应用,设计了基于并行节约法和禁忌搜索的混合算法以对动态车辆调度问题进行求解;最后给出算法实现和算例模拟,验证了该算法的有效性。     

求解动态车辆调度问题的混合禁忌搜索算法

对带时间窗的动态车辆调度问题进行分析,引入虚拟点和时间轴概念,建立基于时间轴的动态车辆调度模型,并提出基于C-W节约法和禁忌搜索的混合禁忌搜索算法进行求解.算法中使用动态方法构造候选解和动态禁忌长度的选取策略来提高算法的收敛速度,最后通过测试实例验证了该混合算法解决动态车辆调度问题的有效性和可行性.     

基于实时信息的动态应急资源调度模型

为利用实时的道路信息、救援状态信息和应急资源配置信息,以提高应急响应能力,建立了一个动态的应急资源优化调度数学模型.针对任意时刻的静态应急资源调度模型,利用遗传算法进行求解.考虑算法的实时性,通过变换时间变量t进行迭代计算,提出模型的动态求解算法.通过一实例对模型的算法进行了验证分析,结果证明了动态应急资源调度模型及其求解算法的有效性.     

Scheduling Algorithm of α-Planarization for Solving the Problem of Multiprocessor Scheduling

在分析多处理机调度问题的基础上,提出了α-平坦的概念,并将其引入到多处理机调度问题中;基于此,提出了一种新的基于α-平坦的求解多处理机调度问题的算法.算法首先对作业集合做平坦化处理,然后再对处理后所得的新问题进行求解,最终获得原调度问题的一个近似解.实验结果表明,通过该算法可以求得较好的结果,相对于其它启发式算法,该算法具有较好的稳定性.     

利用动态规划模型优化天然气产销调度问题

在不确定条件下,如何优化天然气产销调度使得产销平衡,是天然气公司急待解决的问题.天然气的购买和销售是一个多阶段动态过程,所以将动态规划理论应用其中,建立以天然气公司最大收益为目标的动态规划模型,并进行时间复杂度分析.结果表明,动态规划算法能从时间与空间角度实现天然气的合理调度;与线性求解过程相比,动态规划算法对具有最优解的实际问题的求解更加灵活,且计算量小,结果更可靠,为天然气产销优化调度提供了新的解决方法.     

考虑风场高维相依性的电网动态经济调度优化算法

大规模风电并网给电力系统的调度运行带来了巨大的挑战.本文提出改进的二阶段带补偿随机优化算法,用于考虑风场出力高维相依性的电网动态经济调度问题求解.首先,利用Copula函数描述多风场出力的高维相依性,获得多风场出力的联合分布;随后,引入二阶段带补偿随机优化算法解耦求解动态经济调度模型中的常规变量与随机变量;求解过程中,针对补偿费用期望值的计算受限于相依性风场维数,且对迭代方向指导不明确,导致算法收敛耗时长的问题,引入基于整体最小二乘的递推动态多元线性回归法对二阶段带补偿随机优化算法进行改进,通过补偿费用期望值的动态更新,促使两阶段模型的迭代求解快速收敛,克服了传统随机优化方法的"维数灾"弊端,使该算法能够用于考虑风场高维相依性的电网动态经济调度模型求解.最后利用IEEE 118节点系统和某省级实际电网系统验证了所提算法的有效性和实用性.     

蚁群算法优化到达航班排序和调度问题的研究

为有效解决动态环境中的到达航班排序和调度问题,提出了基于移动域控制的动态蚁群优化算法,该算法将总时间划分成多个时间窗口,并将蚁群算法优化控制在一个移动域内进行,有效避免了算法的早熟,降低了算法的计算复杂度.实例仿真计算表明,该算法比标准的蚁群算法具有更高的求解质量和求解效率,适合于对终端区到达航班进行实时排序和调度.     

基于CUDA的梯级泵站调度算法实现

动态规划方法求解梯级泵站调度问题十分经典,但在计算上存在“维数灾难”问题,GPU并行计算技术能对重复性计算进行加速,提高算法计算性能。本文对梯级泵站调度问题进行动态规划方法分析,利用CUDA（统一计算设备架构）对调度算法进行改进,给出改进动态规划方法的算法实现,并比较不同计算规模下调度算法计算耗时。实验结果表明,基于CUDA改进动态规划方法实现的梯级泵站调度算法能够降低计算维度,在计算规模较大时,加速效果较好。     

数字化机步旅抢修任务动态调度框架研究

针对一体化机动进攻作战中战场抢修任务动态分配缺乏定量化确定方法的问题,对数字化机步旅抢修任务动态调度的框架结构进行了研究;借鉴Hall三维结构方法论,从对象维、过程维和技术维3个维度建立了抢修任务动态调度的框架结构,并以此为基础,分析梳理出了抢修任务动态调度的7个核心子问题,总结了这些核心子问题的自身特性,为抢修任务动态调度的后续研究提供了宏观规划和微观指导。     

流程工业拟实优化调度系统

流程工业生产调度是典型的多工序、多约束、多目标的调度问题,实现优化调度非常复杂。在分析调度建模问题的基础上,提出了拟实优化调度思想和流程工业拟实优化调度原理。给出了流程工业拟实优化调度系统框架及其系统分析设计方法。实现了基于可视化生产系统建模、优化求解、过程模拟、过程监控等为一体的流程工业优化调度。在制药企业的实际应用表明,该系统建模简单、提高了生产调度能力和生产效率。     

精确动态规划算法求解绿色单机调度问题

针对一类生产实际中广泛存在的绿色单机调度问题,即带释放时间的低碳单机调度问题,提出一种精确动态规划算法(exact dynamic programming algorithm,EDPA)进行求解,优化的主要和次要目标分别为最小化最大延迟时间和总碳排放量.首先,建立问题的排序模型,该模型可用三元法表示为$1|agr(r_j,d_j)|TCE/T_{\max     

基于节点流的流程工业生产物流调度方法及应用

流程工业生产物流动态平衡调度是典型的多工序、多目标、多约束的多机并行调度问题,难以解析建模.为此,提出了节点流控制及切换的概念,建立了生产调度模型,并采用多目标分层求解调度模型.在此基础上,提出了流程工业生产的物流平衡调度方法.实际应用表明,所提出方法提高了物流动态调度的准确性和生产效率.     

强化学习和仿真相结合的车间作业排序系统

设计了一个强化学习和仿真相结合的动态实时车间作业排序系统．首先引入多个随机变量，将车间作业排序问题转换成序贯决策问题；然后通过仿真手段构建车间作业排序问题的模型环境，求取系统性能指标并保证解的可行性；接着设计了一个多智能体Q学习算法和仿真集成解决作业排序问题；最后通过仿真优化实验验证了该系统的有效性．     

基于演化博弈的NFV拟态防御架构动态调度策略

构建网络功能虚拟化（NFV）拟态防御架构能够打破防御滞后于攻击的攻防不对等格局,其中动态调度策略是关键实现技术。然而,现有拟态防御架构中的动态调度策略大多根据执行体自身固有的特点进行调度,没有进一步利用裁决机制对异常执行体的定位感知能力做优化调整。通过引入演化博弈理论,设计一种新的NFV拟态防御架构动态调度策略。在NFV拟态防御架构中增加一个分析器,用于对历史裁决信息进行分析研究。根据分析器中得到的反馈信息,从攻防双方的有限理性出发构建多状态动态调度演化博弈模型,并采用复制动态方程求解该博弈模型的演化均衡策略,利用李雅普诺夫间接法对均衡策略进行稳定性分析,提出基于演化博弈的动态调度策略选取算法。仿真结果表明,该策略能够利用裁决机制对异常执行体的定位感知能力,通过深入分析研究和不断调整优化选择具有适应性和针对性的调度策略,有效提升系统的安全收益和防御效能。     

Fuzzy rule generation for adaptive scheduling in a dynamic manufacturing environment

This paper proposes a fuzzy rule-based system for an adaptive scheduling, which dynamically selects and applies the most suitable strategy according to the current state of the scheduling environment. The adaptive scheduling problem is generally considered as a classification task since the performance of the adaptive scheduling system depends on the effectiveness of the mapping knowledge between system states and the best rules for the states. A rule base for this mapping is built and evolved by the proposed fuzzy dynamic learning classifier based on the training data cumulated by a simulation method. Distributed fuzzy sets approach, which uses multiple fuzzy numbers simultaneously, is adopted to recognize the system states. The developed fuzzy rules may readily be interpreted, adopted and, when necessary, modified by human experts. An application of the proposed method to a job-dispatching problem in a hypothetical flexible manufacturing system (FMS) shows that the method can develop more effective and robust rules than the traditional job-dispatching rules and a neural network approach.     

可重入混合流水车间调度的拉格朗日松弛算法

为了有效提升多重入车间的生产效率,考虑了实际生产中检查和修复过程对于逐层制造的可重入生产系统的重要性,提出了基于拉格朗日松弛算法的可重入混合流水车间的调度方法.首先进行了问题域的描述,并在此基础上以最小化加权完成时间为调度目标,建立数学规划模型.针对该调度问题提出了基于松弛机器能力约束的拉格朗日松弛算法,使松弛问题分解成工件级子问题,并使用动态规划方法建立递归公式,求解工件级子问题.随后,使用次梯度算法求解拉格朗日对偶问题.最后,对各种不同问题规模进行了仿真实验,结果表明,所提出的调度算法能够在合理的时间内获得满意的近优解.     

一类求解订单分配和排序问题的集成优化算法

研究大规模订单分配和排序问题.从整体的角度协同优化多工厂供应链排序中的订单分配、生产调度和分批运输调度3个阶段;以总订货提前期与总成本的加权和最小化为目标,建立了问题的数学模型;基于解的最优化条件,设计了禁忌搜索算法与动态规划方法相结合的集成优化算法;在算法中设计了自适应选择机制,以提高算法的搜索效率.数值实验结果验证了采用所提出的集成优化算法求解规模较大问题的有效性.