基于人工免疫算法的鲁棒满意项目调度

针对不确定的资源受限项目调度问题,采用模糊数描述不确定的项目活动执行时间和项目交货期,建立了以最大化客户满意度和调度鲁棒性为目标的鲁棒满意项目调度模型.针对这一优化问题,设计了一种人工免疫算法.仿真计算结果表明,所建立的鲁棒满意项目调度模型在提高项目调度鲁棒性的同时,并没有过多地降低客户满意度,该模型可以实现两个优化目标之间很好的折中.     

带转移时间的资源受限项目鲁棒调度优化

为使项目在面临活动工期扰动时尽可能按照基准调度计划稳定执行，针对带转移时间的资源受限项目调度问题提出鲁棒调度与资源分配集成优化方法。分别从资源转移关系、活动时差、随机活动工期三个不同角度设计三种解鲁棒性代理指标，构建了两个混合整数规划模型(MinEA,MaxPF)和一个随机规划模型(MinTPC),并分别采用精确方法和禁忌搜索启发式算法求解；在此基础上提出MinTPC+MaxPF混合优化策略。仿真实验结果表明，MinTPC+MaxPF方法在项目解鲁棒性和质鲁棒性两方面均能获得最优绩效；MinEA方法的解鲁棒性优于MinTPC,而后者的质鲁棒性优于前者。所研究的模型和方法，可以为项目决策者在工期不确定环境下协调活动进度安排和优化资源转移提供指导，提升项目计划鲁棒性，提高企业的经济效益。     

带有活动重叠的多模式资源受限项目调度问题

为了缩短项目工期、优化资源利用效率,研究了带有活动重叠的多模式资源受限项目调度问题,构建了活动重叠—返工时间因子矩阵,对多模式下的活动重叠和返工时间进行了完整的数学描述,以最小化项目工期为目标,建立了带有活动重叠的多模式项目调度优化模型;设计了改进的遗传算法并对问题进行求解,在经典的双链编码遗传算法的基础上,设计对初始种群活动链的预处理阶段以加速算法的求解效率,并针对多模式活动重叠问题设计了专门的解码方法。通过实验研究验证了该算法较其他方法具有更好的求解能力和表现,以一个小规模算例演示了模型在处理工期缩短问题上的有效性。通过全因子实验设计分析了问题参数对缩短项目工期的影响,为项目管理者确定项目调度方案提供了决策依据。     

任务可拆分的多模式多项目调度模型与算法

针对多项目调度资源利用率低的问题,提出任务可拆分的多模式多项目调度模型。采用多属性效用函数对工期—成本—质量—资源均衡进行目标优化,以提高资源利用率、缩短工期,实现多项目调度整体效用的最大化。利用正态云模型云滴的随机性和稳定性的特征,设计云遗传算法并生成多项目调度各个活动的优先级,最终生成活动可拆分的多模式多项目调度计划。通过算例验证了所提模型和算法的有效性。     

考虑作业返工的资源受限项目调度问题

为了解决实际项目调度中由时常出现的作业返工现象而导致的计划中断问题,在资源受限项目调度问题的基础上引入作业返工这一不确定因素,以最小化项目工期与作业开始时间变动性的加权和为目标,建立了考虑作业返工的资源受限项目调度问题的数学模型。针对该模型,设计了面向3种不同情况的修复算法。为了从全局角度优化存在扰动的项目,在进行局部修复的同时提出一种前瞻性反应式调度算法,该算法以修复算法生成结果作为初始解,采用禁忌搜索算法进行进一步优化。通过数值实验,采用CPLEX和现有算法与所提算法进行对比,证明了算法的有效性。     

基于市场机制的多项目分散式调度问题

鉴于传统的基于集中优化方法难以很好解决优先级未知环境下的多项目工期优化问题,基于分散式局部决策与协调决策相结合的求解思想,提出融合局部优化与共享资源竞标出价、资源组合拍卖与价格迭代调整的基于市场机制的分散式项目调度方法,以减小多项目计划工期与最佳工期的平均差距。通过仿真实验,验证了分散式解法相比于集中式解法的优势和适用性,能够解决集中方法难以求解的项目优先级未知或不确定的多项目调度问题。     

基于资源推拉技术的多项目调度算法

为充分利用多个项目竞争的资源并缩短项目工期,提出了一种基于资源推拉技术的多项目调度算法.对资源在活动过程中的工作状态进行分析,并在分析资源推送和拉动的基础上,提出了基于资源推拉技术的冲突消解模型.针对该模型研究冲突检测的方法,并根据概率论方法对调度目标进行分解,从而通过定义资源冲突强度构建基于最小冲突强度和最小延迟时间的动态优先规则,实现了基于该规则的资源受限的多项目调度算法.运用数值算例说明了优先规则的有效性,并结合船舶分段生产计划的实例,进一步说明了该调度算法的可行性.     

考虑资源置信度的跨企业项目伙伴选择方法

为最小化由伙伴资源不确定性带来的跨企业项目失败和拖期风险,引入资源置信度概念,提出了一个考虑资源置信度的跨企业项目伙伴选择模型.该模型综合考虑了资源置信度、子任务加工时间、项目先序关系网络图和项目工期等关键约束,设计了项目调度算法来评价各选择方案,并将项目调度算法嵌入到禁忌搜索方案中对模型进行求解,提出了两个优化算法分别对速度和最优率进行优化.计算实例表明,针对一定规模问题,所提方法能够在较短时间内以较高几率找到最优解.     

求解紧急事件调度资源水平问题的启发式算法

为求解紧急事件调度中的资源水平问题,设计了一种启发式算法.鉴于紧急事件调度的紧迫性特点,首先在不考虑资源约束的基础上确定项目的初始关键链;然后根据初始关键链中任务的最早及最晚开始时间,建立了基于任务紧迫性的启发式规则,求解资源冲突;最后结合初始关键链与启发式规则,开发了基于任务紧迫性的启发式算法.算法目标是在给定项目工期条件下,获得最低的资源配置及对应的调度序列.与现有算法进行比较,试验结果表明,设计的启发式算法可以获得更好的解,更适用于紧急事件调度问题.     

关键链多项目进度计划优化

关键链项目管理考虑了人的行为因素对项目进度计划的影响,但项目调度理论并不直接与人的行为因素相关,很难获得包融人的行为因素的有效项目网络计划.分析了人的行为因素与关键链项目调度的关系以及对关键链多项目调度的影响,在关键链多项目进度计划的基础上提出优化多项目进度计划的数学模型和启发式优先调度规则,设计了以逆向拓扑排序方式选择调度集的过程,给出了相应的优化算法.通过实例验证了该优化方法能够克服人的不良行为因素对关键链多项目进度计划的影响,具有对多项目资源进行平衡、减少资源在项目间的转移等效果.     

基于遗传算法的作业车间模糊调度问题的研究

在研究作业车间模糊调度问题的基础上，建立了两种作业车间模糊调度模型。对于只考虑模糊加工时间的问题，以最小完工时间作为优化目标；对于同时考虑模糊加工时间和模糊交货期的问题，以平均满意度最大作为优化目标。模糊加工时间用三角模糊数和梯形模糊数来表示，模糊交货期用梯形模糊数和六点模糊数来表示，给出了两种模糊数比较方法。应用遗传算法来求解最优调度顺序，并对遗传算法编码、初始种群的产生办法、解码、交叉及变异方法等方面做了研究。最后，给出了仿真实验结果和结论。     

Single-machine scheduling with a position-based learning effect and fuzzy processing times

In scheduling problems with learning effects, most researches assume that processing times are deterministic. This paper considers a single-machine scheduling problem with a position-based learning effect and fuzzy processing times, simultaneously. The position-based learning effect of a job is assumed to be a function of its position. The processing times are considered to be triangular fuzzy numbers. A polynomial time algorithm is proposed for the problem where the objective is to minimize the total completion time. The solution procedure is based on applying the shortest processing time rule to triangular fuzzy processing times. Computational results show that our model gives better results than the model ignoring the uncertainty.     

可变机器约束的模糊作业车间调度问题研究

在车间实际加工中,工件的加工时间和交货期是一个模糊数,而且工件的某道工序有多台机器可供选择。针对这类作业的车间调度,提出了以极大化最小客户满意度为指标的可变机器约束的模糊作业车间调度模型,并给出了算法设计。应用遗传算法在适应度函数处理中引入模糊数处理方法,解决作业车间模糊调度问题,实现调度优化。仿真实验结果表明了该调度方法的有效性,为可变机器约束的模糊作业车间调度提供了一种实现途径。     

An interactive algorithm for multi-objective flow shop scheduling with fuzzy processing time through resolution method and TOPSIS

This paper develops a method for solving a multi-objective flow shop scheduling in a fuzzy environment where processing times are fuzzy numbers. The objective functions are designed to simultaneously minimize the makespan (completion time), the mean flow time, and the machine idle time. For each objective function, a fuzzy subset in the decision space whose membership function represents the balance between feasibility degree of constraints and satisfaction degree of the goal is defined. Then, technique for order preference by similarity to an ideal solution (TOPSIS) method finds the nondominated solution in a multiple objective state. The TOPSIS method and the interactive resolution method are integrated in the proposed method to solve the multi-objective flow shop scheduling problem. One of the new contributions of this research is combining these two methods in solving this problem. The proposed algorithm provides a way to find a crisp solution for the fuzzy flow shop scheduling in a multi-objective state. Also, the proposed method yields a reasonable solution that represents the balance between the feasibility of a decision vector and the optimality for an objective function by the interactive participation of the decision maker in all steps of decision process. Application of the proposed method to flow shop scheduling is shown with two numerical examples. The results show that the algorithm could be applied for determining the most preferable sequence by finding a nondominated solution for different degrees of satisfaction of constraints, and with regard to objective value, where processing time is fuzzy.     

多目标模糊作业车间调度问题研究

研究了具有模糊加工时间和模糊交货期的多目标作业车间调度问题,首先给出了基于模糊优先规则的编码新方式,染色体的每一位表示在GT算法迭代过程中,对应机器上发生的某次冲突,根据该基因位对应的优先规则消除。然后设计了基于个体密集距离的多目标进化算法,该算法利用密集距离进行外部档案维护和适应度赋值。最后将多目标进化算法应用于模糊作业车间调度问题,以最大化最小一致指标和最小化模糊最大完成时间,并和其他算法比较。计算结果验证了多目标进化算法在模糊调度方面良好的搜索性能。     

A new approach to solve time–cost trade-off problem with fuzzy decision variables

Time–cost trade-off problem is one of the main aspects of project scheduling. Due to variations in the real world, usually, risks in estimation of project parameters are considerably high. Therefore, use of uncertain models, which is capable of formulating vagueness in the real world, to solve time–cost trade-off problems, gives a scheduling with more stability against environmental variations. On the other hand, crisp decision making in uncertain environment causes loss of some parts of information. This paper presents a new optimal model for time–cost trade-off problem in a fuzzy environment. In order to solve this problem, a new solution method for possibility goal programming problems is developed. The significant feature of this model is the determination of optimal duration for each activity in the form of triangular fuzzy numbers. To validate the algorithm developed here, a case study will be presented.     

含有混合中间存储策略的模糊流水车间调度方法

针对中间产品在相邻加工步骤间存在不同存储策略的流水车间调度问题,提出了一种含有混合中间存储策略的流水车间调度模型。在该模型中,考虑无限中间产品存储、有限中间产品存储、无中间产品存储3种策略同时存在的情况下对调度问题的影响,采用三角模糊数来描述生产过程中操作时间的不确定性;通过对三角模糊数的操作,并利用面积补偿的比较方法,将原有的模糊调度模型转化为确定性的调度模型;应用双倍体遗传算法对问题进行优化求解。仿真结果证明了模型和算法的有效性。     

不确定条件下具有零等待的流水车间免疫调度算法

为了解决不确定条件下具有零等待的流水车间生产调度问题 ,采用三角模糊数来描述不确定的产品处理时间 ,在模糊规划理论的基础上建立了相应的调度模型。通过中间值最大隶属度算法 ,将原来的模糊调度模型转化为单目标的规划模型 ,并借鉴自然界中生物免疫系统的概念和机理 ,提出了解决此类问题的免疫调度算法。在该调度算法中 ,采用字符编码的方式来表示产品的处理顺序 ,每个抗体表示一组可行的具体调度方案 ,用亲和度来衡量抗体与抗原之间以及抗体与抗体之间的匹配程度 ,同时根据抗体的浓度自适应地调节搜索方向。通过仿真试验 ,表明了所建模型和调度算法的有效性     

虚拟企业环境中的项目调度方法

虚拟企业以分布，协调的方式实现项目任务的新的组织模式，给项目管理的研究和应用都提出了新的挑战，任务调度所需信息的不确定性及俱本盟员利益同整体项目利益的潜在不一致性，是造成虚拟企业项目调度困难扩要原因。本文在模糊描述企业状态信息的基础上，给出一种通过由盟主和潜在盟员之间的协调，在优化时间指标的条件下，将子调度方案的形成和盟员选择集成在一起制定全局预测调度方案的过程，并给出了预测调度方案在盟员企业内部具体执行过程中的姿源分配策略。     

基于动态机器故障率的并联加工系统资源多目标调度

针对并联加工系统,为处理生产过程中因机器故障导致的加工资源动态调度问题,考虑系统资源负荷和故障率存在的动态相互制约关系,依据子周期划分的不同策略,对调度后的加工总时间、预防维修时间和系统可靠度进行量化研究,构建多目标动态调度模型。采用基于Pareto熵的多目标粒子群算法对模型进行求解,通过改进个体最优解选择策略,提升最优解选取的多样性;通过差熵来估计种群所处进化状态,改进算法的搜索能力。以某企业的加工系统为实例,利用该模型进行加工资源调度方案设计,通过模糊决策得到的多目标权重,选取最优调度方案,并进行多个参数对比,验证在加工资源调度过程中,集成考虑动态机器故障率和基于机器最大役龄约束划分子周期的可行性,不仅可以完成订单准时交付,还可以使企业有更好的柔性去应对可能到来的紧急订单。