梯级水电系统的优化调度算法研究*

本文提出一种求解梯级水电系统优化调度问题的新算法，能够综合处理离散运行区间，最小启停时间等离散约束以及水库间的水力耦合网络约束。基于实际系统数据的数值验证表明了本算法的有效性和实用性。     

CPLEX在优化调度中的应用

ILOGCPLEX是目前国际上流行的优化软件包,是一种高性能、健壮、灵活的优化软件,它包括CPLEX接口和CPLEX算法。ILOGCPLEX被广泛应用于物流行业、制造业、通信业、油田地面工程等,使得一些复杂的问题求解变得相对简单、高效。本文着重描述CPLEX在水电调度中的应用,并以美国NU公司的实际调度数据构造算法实例进行验证,得到了较好的效果。     

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。     

基于拉格朗日松弛法的梯级水电优化调度系统

本文提出一种用于解决梯级水电系统的优化调度问题的拉格朗日松弛算法.算法对某些约束进行松弛,能有效地降低问题的难度,并快速解决问题.通过实际数据仿真证明了本算法的有效性.     

基于混合粒子群算法的梯级泵站优化调度

针对大型梯级泵站工况复杂多变、安全性要求高的运行特点,基于流量平衡的理论,建立梯级泵站运行费用最小的优化目标,同时把系统一次运行周期内泵站机组的启停次数作为衡量维护费用的指标,建立泵站启停次数最小的优化模型,运用线性加权法将两个优化目标组合成一个泵站系统综合运行费用最少的优化调度模型,最终运用动态规划法和粒子群算法进行研究分析,并尝试采用免疫思想通过克隆免疫算子和疫苗接种算子优化粒子群算法,达到提高搜索范围和精度的目的。将其应用于山西某梯级泵站工程实例,仿真研究分析表明免疫粒子群算法(IAPSO)在优化泵站系统综合运行费用上更加节省成本而且提高了搜索精度和收敛速度。     

考虑AGV避碰的自动化码头多资源协同调度

为解决自动化码头岸桥、AGV、场桥三个资源协同调度中AGV的路口碰撞问题,考虑任务分配、AGV的避碰约束,建立一个所有任务最大完工时间最小化为目标的混合整数规划模型。通过设置路口的相容和冲突相位,使处于相容相位的AGV可以同时通过。对考虑避碰规则和不考虑避碰规则的实验数组进行分析,比较其解的优劣性。实验结果表明在考虑避碰规则下的AGV能有效减少冲突次数,实现相容相位小车的避碰,使调度结果更优化,提高整个作业流程的效率。     

基于优化调度目标的三峡船闸梯级枢纽联合调度算法研究

在三峡船闸梯级枢纽运行期间,要运用联合调度算法完成各项基础任务,以此保障实践工作效益实现最大化。在我国交通能源建设水平不断提高中,以生态文明和低碳环保为核心的枢纽建设得到了全社会的重视,各领域学者在深层探究枢纽优化调度目标的同时,获取了更多基础理论和解决方法,这对现代三峡船闸梯级枢纽联合调度系统建设而言具有积极影响。因此,本文研究在明确优化调度多目标算法的基础上,根据三峡葛洲坝梯级枢纽建设运行情况,深藏探讨实际三峡船闸梯级枢纽联合调度算法的应用效果。     

考虑学习效应的单人作业车间调度算法

单人负责多台机器的单一工序作业车间场景中,工人由于重复操作机器而产生学习效应.针对考虑依赖工件位置学习效应的单人单工序作业车间最小化最大完工时间的调度问题,建立一种混合整数规划模型.为解决该问题,设计一个考虑学习效应的贪婪算子,利用该算子构造两种贪婪算法,并提出一种基于贪婪的模拟退火算法.为衡量混合整数规划模型、贪婪算法和基于贪婪的模拟退火算法的性能,设计两种规模问题的数据实验.通过实验得出:现代混合整数规划模型求解器可以解决机器数量和工件总数量乘积小于75的小规模问题;基于贪婪的模拟退火算法求解此问题具有有效性,适用于各种规模的问题;间隔插入贪婪算法解决此问题速度较快,效果良好,可以应用于需要快速求解的场景.     

多目的批处理过程的短期调度

基于状态任务网络（STN）描述批处理过程，提出了多目的批处理过程的混合整数规则（MILP）调度数学模型，建模采用连续时间描述，并将任务和设备分配集中表达为一类0－1变量。为进一步提高模型的求解效率，根据过程和所建数学模型的特点，提出了一有效的方法，以减小模型的规模，实际计算表明，该数学模型及减小模型规模的方法是有效的。     

基于变权重因子差分进化算法的梯级水火电力系统调度

梯级水火电力系统的复杂性导致其调度优化问题难以使用经典的优化方法进行解决。本文通过变权重因子改进差分进化算法,提出新的方法解决其调度优化问题。采用启发式策略解决优化问题中的平衡约束。为了充分发挥能耗较低的火力发电机作用,设计基于优先列表的启发式策略,解决动态电力平衡约束。在满足平衡约束条件的过程中,部分个体的取值被改变,增加了群体的 多样性,拓展了算法的搜索空间,进而得到更优的调度解决方案。仿真结果表明,本文提出的方案有效地解决了梯级水火电力系统的调度优化。     

资源约束网络的优化带宽调度

在资源约束的网络控制系统中, 控制性能和服务质量之间的折衷是不可避免的. 为了寻求它们的最佳结合点, 提出了结合约束条件的多目标规划问题来优化控制性能和网络带宽需求. 考虑算法的非线性逼近能力和计算速度, 采用了神经网络作为优化求解器. 它提供的优化解对每一个控制回路的带宽需求进行动态分配, 使得全局系统性能最大化的同时使带宽需求最小化. 仿真表明在网络控制应用中该优化策略对控制性能和网络带宽需求之间是一种有效的折衷方法.     

兼顾负荷变化的裂解炉炉群调度建模与优化

裂解炉是乙烯生产的核心装置,工业生产乙烯通常采用多台裂解炉并行运行,将烃类原料裂解成乙烯等小分子烃类化合物。在裂解炉的运行过程中会不可避免的在炉管内壁产生结焦,从而导致乙烯产率的下降,为此需要对裂解炉进行定期的停炉清焦。当多台裂解炉同时处理多种不同类型的原料,而且在操作成本和产品收率都在不断变化的情况下,对裂解炉炉群进行优化调度以取得生产利润的最大化具有重要意义。针对乙烯裂解炉炉群调度建模与优化问题,提出了一个同时考虑原料及其进料量负荷的新的调度模型,克服了之前炉群调度仅针对原料选择、裂解炉负荷依赖人工设定的不足,优化后使裂解炉炉群的生产效益得到提高,为工厂合理地安排生产提供了理论依据。     

水火电力系统短期优化调度的一种改进粒子群算法

针对水火联调问题,建立满足电量平衡、水量平衡、机组特性及综合利用要求的短期优化调度模型,提出了一种改进粒子群算法(MPSO).MPSO针对粒子群算法易早熟收敛的弊端,引入了变异操作,使粒子以一定的概率向其他粒子个体最好解学习;针对粒子群算法在进化后期多样性受损易陷入局部最优的缺陷,引入了迁徙操作,在种群聚集程度不能容忍时重新生成解空间内均匀分布的粒子.对某典型水火电力系统优化问题的求解结果表明,MPSO比其他方法更有效.     

开销敏感的多处理器最优节能实时调度算法

嵌入式多处理器系统的能耗问题变得日益重要,如何减少能耗同时满足实时约束成为多处理器系统节能实时调度中的一个重要问题.目前绝大多数研究基于关键速度降低处理器的频率以减少动态能耗,采用关闭处理器的方法减少静态能耗.虽然这种方法可以实现节能,但是不能保证最小化能耗.而现有最优的节能实时调度未考虑处理器状态切换的时间和能量开销,因此在切换开销不可忽视的实际平台中不再是最优的.文中针对具有独立动态电压频率调节和动态功耗管理功能的多处理器系统,考虑处理器切换开销,提出一种基于帧任务模型的最优节能实时调度算法.该算法根据关键速度来判断系统负载情况,确定具有最低能耗值的活跃处理器个数,然后根据状态切换开销来确定最优调度序列.该算法允许实时任务在处理器之间任意迁移,计算复杂度小,易于实现.数学分析证明了该算法的最优性.     

水电站优化调度仿真系统中实时数据库研究

在水电站优化调度中,随着电网负荷的变化,会对各可调机组进行实时负荷调整,从而达到电网负荷的供载平衡。在实时数据的处理中,将数据结构优化设计与优化查询方法引入并用到实时数据库中,设计一种合理有效的方法-稠密散列索引法,能够满足系统的实时要求,提供一种在发电领域的实时数据处理的可行方法。     

基于动态优先级策略的最优软非周期任务调度算法

周期任务与非周期任务的混合调度是实时调度研究的一个重要方向 通过定义“调度”和“逆调度” ,对实时周期任务集在使用EDF算法调度时的可挪用时间进行分析 ,求出了周期任务集在使用EDF调度时的最大可挪用时间 在此基础上 ,提出用于缩短非周期任务响应时间和周转时间的调度算法———ISA(idlestealingalgorithm) ISA算法充分使用最大可挪用时间 ,在保证周期任务满足最后期限的同时能取得非周期任务的最优响应时间和周转时间 证明了ISA算法的最优性 ,并使用仿真实验进行了性能验证     

求解多目标流水车间调度Pareto最优解的遗传强化算法

针对多目标流水车间调度Pareto最优问题, 本文建立了以最大完工时间和最大拖延时间为优化目标的多目标流水车间调度问题模型, 并设计了一种基于Q-learning的遗传强化学习算法求解该问题的Pareto最优解. 该算法引入状态变量和动作变量, 通过Q-learning算法获得初始种群, 以提高初始解质量. 在算法进化过程中, 利用Q表指导变异操作, 扩大局部搜索范围. 采用Pareto快速非支配排序以及拥挤度计算提高解的质量以及多样性, 逐步获得Pareto最优解. 通过与遗传算法、NSGA-II算法和Q-learning算法进行对比实验, 验证了改进后的遗传强化算法在求解多目标流水车间调度问题Pareto最优解的有效性.