基于拍卖谈判机制的分布式多技能多项目调度

求解分布式多项目调度问题的关键是设计有效的资源协调机制以解决项目间的全局资源冲突。当全局资源为多技能人力资源时,调度项目活动开始时间的同时还需要满足“活动-技能-资源”的匹配关系,从而为多项目制定高质量的调度计划与全局资源指派方案。基于多Agent系统,建立局部调度优化与全局协调决策的双层模型;采用基于正向逆向调度改进的遗传算法求解初始局部调度计划;以人力资源各时段的使用权作为拍卖品,设计考虑人力资源多技能异质特点的拍卖谈判机制协调全局资源冲突。改编MPSPLIB算例集并开展实验研究,研究结果表明：本文设计的拍卖谈判机制与改进的遗传算法相结合可以有效协调不同规模问题的全局资源分配;拍卖谈判机制在测试问题集上的求解结果优于序贯博弈谈判机制;问题规模越大或资源冲突程度越强,项目协调调度难度越大,全局资源分配过程越复杂。     

带有资源柔性约束的max-NPV分布式多项目调度问题

现有的分布式资源约束多项目调度问题研究中,假定全局资源限量在多项目工期内不可突破且多以工期为优化目标。针对此问题,考虑全局资源可从外部获取,以净现值为目标,构建带有全局资源柔性约束的分布式多项目调度问题的整数规划模型并设计有效的求解算法。首先,界定问题并确定项目现金流的计算方法;然后,针对求解问题的NP-hard属性,设计了遗传-模拟退火混合算法(GA_SA)求解此模型。最后,通过多组数值实验,设计不同算法与GA_SA算法进行比较,并分析了关键参数对多项目净现值的影响。结果表明,GA_SA算法具有较好的求解效果;与传统的全局资源刚性约束条件相比,全局资源柔性使用状态可以显著改善分布式多项目的收益绩效。     

基于里程碑支付的多模式多项目现金流平衡调度优化

现金流入与流出的动态平衡，对于承包商平稳实施项目具有重要的现实意义。本文基于这一实际背景，研究了在里程碑支付条件下，活动具有多种执行模式的多项目现金流平衡调度问题。首先，在对研究问题进行界定的基础上，构建了多模式多项目现金流平衡调度优化模型并提炼了模型的基本性质；其次，针对问题的NP-hard属性，开发了禁忌搜索启发式求解算法，根据问题性质提出算法的改进措施；最后，用一个实际案例对模型和算法进行了验证，得到如下管理启示：基于最大现金流缺口发生时段，适当延后相关里程碑活动的完成时间或调整相关非里程碑活动的开始时间，同时，根据现金流分布合理平移部分单项目的进度计划，能实现现金流出与流入的最佳匹配并有效减小最大现金流缺口。     

基于随机活动工期的多模式现金流均衡项目调度优化

承包商在项目执行过程中的现金流均衡是保证项目成功的关键因素。本文研究基于随机活动工期的多模式现金流均衡项目调度问题,旨是在项目工期及鲁棒性阈值约束下合理安排活动执行模式与开始时间,实现承包商现金流均衡。本文通过构建整数规划优化模型对研究问题进行刻画,随后设计模拟退火算法进行求解,最后进行案例分析。结果表明:鲁棒性阈值虽然可以保证基准进度的稳定性,但是提高鲁棒性阈值水平反而不利于承包商的现金流均衡,该值过高时甚至得不到可行解。本文研究可为随机活动工期背景下承包商的现金流控制提供定量化决策支持。     

基于关键链改进搜索的遗传算法求解分布式多项目调度

针对基于多代理系统求解分布式多项目调度问题的不足, 开发了一种适应性的遗传算法ccm_GA。ccm_GA的独特性体现为两点:第一, 修正的串行调度过程分两个阶段分别消除全局资源和本地资源冲突; 第二, 在满足两类资源约束的调度方案中, 识别出关键链并改变关键活动在活动序列编码中的位置以增加解的多样性从而提高搜索效率。设计并实施大规模数值实验测试算法性能, 与现有文献中的六种算法作对比, 结果表明:ccm_GA在50%的算例集上获得的测试指标都好于六种算法, 且对于资源约束越紧的算例集, ccm_GA的求解效果越好。     

应急资源调度问题的改进进化规划算法研究

针对应急资源调度问题,建立一种多资源时间-成本调度模型。设计了进化规划算法的全局变异算子和局部变异算子,根据全局变异前后个体适应度值和分量值的变化趋势,实现定向变异。构建了具有惩罚系数的适应度函数,给出了改进的进化规划算法种群进化策略。计算实验表明,改进的进化规划算法具有较强的局部寻优能力,在收敛速度和求解精度方面优于比较的遗传算法、差分进化算法和进化规划算法,解决了标准进化算法的早熟收敛问题。     

项目多技能人力资源指派与调度混合算法

研究多技能人力资源在项目活动上的指派与调度问题.首先,从问题特点出发,把原始问题分解为指派问题子模型和调度问题子模型.然后,对项目活动间的重叠关系进行识别,将其转化为对指派问题的有效约束,构建数学规划与约束规划相结合的混合算法对问题求解,并采用CPLEX编程实现.研究表明,算法可有效缩减指派问题的可行域,快速地找到问题的近优解,从而提高多技能人力资源的使用效率,是求解项目多技能人力资源指派与调度问题的一个有效方法.     

一种改进的多模式项目反应性调度问题

既有的项目反应性调度问题只关注了基准调度方案的稳定性,而忽略了项目调度目标的最优实现。本文提出了一种两阶段多模式资源受限项目反应性调度问题。第一阶段,在新的项目执行环境下,对项目进行完全重调度,得到新的最优调度目标值。第二阶段,以新的最优调度目标值为约束,以最大化调度稳定性为目标,求得新的最优调度方案。针对问题特点,基于IBM ILOG优化编程语言OPL和CPLEX V12.8.0,设计出该问题的求解程序。最后,基于标准算例,对本文提出的反应性调度方法、既有的反应性调度方法、完全重调度方法进行了充分的比较测试,结果表明本文提出的反应性调度方法在缩短项目工期、保护基准方案的稳定性方面具有明显优势。     

活动执行时间可提前的多模式反应性项目调度优化

研究不确定活动工期下活动执行时间可提前的多模式反应性项目调度问题。首先对反应性研究现状进行综述;其次建立以最小化反应性总成本为目标的优化模型;随后基于问题特点设计禁忌搜索算法;最后通过具体案例分析关键参数对反应性成本的影响,并得出结论:执行时间提前得到的反应性成本及完工时间明显低于执行时间不可提前的结果;随着项目推进,总成本及影响的活动数量总体上呈减小趋势,但项目完工时间在某些时刻维持不变;对于工期增加较大的活动,将其本身或紧前活动提前启动,或将其转换至活动工期较短的模式可降低反应性成本。研究可为不确定环境下反应性计划制定提供决策支持。     

银行授信约束多模式工期最小化项目进度问题研究

本文研究银行授信额度约束下活动具有多种执行模式的工期最小化项目进度问题。首先对所研究问题进行界定;随后采用基于事件的研究方法构建了问题的整数规划优化模型;鉴于问题的NP-hard属性,设计了双层模拟退火搜索嵌套的启发式求解算法;最后对一个算例进行了求解分析,讨论了银行授信额度对项目进度安排及完成时间的影响。结果表明:随着银行授信额度的提高,承包商安排项目进度的可用资金随之增加,使得项目可以在较短的时间内完成;然而,如果在此过程中业主对承包商的支付总量保持不变,那么承包商的项目收益会随完成时间的提前而下降。     

不确定环境下基于时间、费用及鲁棒性权衡的多目标项目调度优化

项目调度中的时间和费用是两个重要的指标,而在不确定环境下进度计划的鲁棒性则是保证项目平稳实施的关键。本文研究不确定环境下的多目标项目调度优化问题,以优化项目的工期、鲁棒值和成本为目标安排各活动的开始时间。基于此,作者构建多目标项目调度优化模型,将模型分解为三个子模型分析目标间的权衡关系,然后设计非劣排序遗传算法进行求解,应用精英保留策略和基于子模型权衡关系的优化策略优化算法,进行算法测试和算例参数敏感性分析。最后,应用上述方法研究一个项目实例,计算得到非劣解集,实例的敏感性分析结果进一步验证了三个目标间的权衡关系,据此提出资源的有效利用策略。本文的研究可以为多目标项目调度制定进度计划提供定量化决策支持。     

基于活动延期风险加权时差的资源受限项目调度鲁棒性度量

在项目调度鲁棒性研究中,当活动出现延期风险时,由于各活动性质不同,其延期风险权重也不同,权重越大的活动越有可能影响项目的完工时间。针对资源受限项目调度问题,提出一个基于活动延期风险加权时差的鲁棒性度量新指标。在出现不确定因素干扰时,该指标不仅考虑了活动延期风险权重的影响,同时为实现时差在多个任务之间的共享,还考虑了紧前任务数量的影响。建立一个以加权时差最大化为目标的资源受限项目调度鲁棒优化模型,并针对模型特点,设计了基于禁忌搜索的模拟退火算法。最后,通过算例验证了该度量方式和算法的合理性和有效性,对比分析结果表明所提出的指标优于现有的度量指标,较好地满足了项目调度质量鲁棒性的要求。     

基于Agent与分解协调的综合生产计划研究

以作业单元为局部决策Agent,车间管理者为全局协调Agent,引入生产节点间的内部结算价格,基于多Agent系统,建立了综合生产计划的分布式决策模型.通过将局部Agent决策目标的总和与全局Agent决策目标进行对比,证明了所引入的内部结算价格就是全局Agent目标函数关于物流平衡约束的Lagrange乘子.基于Lagrange分解协调原理,设计了局部作业单元Agent和全局协调Agent的迭代协调算法.该迭代算法以上次计算的中间结果作为对其它作业单元生产需求的估计,从而能将各个生产单元Agent的决策模型分离,实现了分布建模与求解.在算例研究中使用启发式规则来确定Lagrange乘子迭代的步长系数,保证了较好的收敛性,证明模型和算法是有效的.     

考虑多阶段共用平行机特征的拖轮作业模式优化

在对拖轮调度问题进行分析的基础之上,将拖轮调度问题归结为一类具有多阶段共用平行机器特征的多处理器任务调度问题。建立了考虑靠泊与停泊两阶段、考虑切换时间的拖轮调度优化模型,并设计了启发式规则与模拟退火相结合的混合算法(HSA)求解该模型。通过运用所设计算法求解仿真算例,并将其结果与三种基于现行调度规则的调度方案进行比较,验证了模型与算法的高效性。基于此,对不同拖轮数量状态下的调度研究结果显示,拖轮总作业时间与平均单艘拖轮作业时间二者存在着一定的矛盾性;并指出采用拖轮适时返回停泊基地的作业模式,可有效地降低拖轮作业时间,进而提高有限拖轮资源的利用率,实现节能减排、绿色运输。     

多行程车辆路径问题中变邻域搜索算法的应用

多行程车辆路径问题是标准车辆路径问题的一个变体,每个车辆在运行期间可以使用不止一次.对于这种NP-HARD问题,提出了一个改进变邻域搜索算法并设计了四个邻域结构用于求解和制定多行程路径问题的调度规划.算法测试了一组标准实例问题,获得的解决方法与文献中提出的三种不同数据集进行比较计算证明,算法提供了较高质量的求解结果.最后采用三个标准函数进行数值计算,与PSO和GA算法进行比较证明,提出的VNS算法虽然运行花费时间较长,但是达到全局收敛性的比率和全局收敛性都远超其他两种算法.     

基于交通流的多模糊时间窗车辆路径优化

研究了基于交通流的多模糊时间窗车辆路径问题,考虑了实际中不断变化的交通流以及客户具有多个模糊时间窗的情况,以最小化配送总成本和最大化客户满意度为目标,构建基于交通流的多模糊时间窗车辆路径模型。根据伊藤算法的基本原理,设计了求解该模型的改进伊藤算法,结合仿真算例进行了模拟计算,并与蚁群算法的计算结果进行了对比分析,结果表明,利用改进伊藤算法求解基于交通流的多模糊时间窗车辆路径问题,迭代次数小,效率更高,能够在较短的时间内收敛到全局最优解,可以有效的求解多模糊时间窗车辆路径问题。     

广义优先关系约束下Max-npv项目调度问题及其遗传算法

以往Max-npv项目调度问题的研究都假定活动之间的关系为单一结束-开始类型,现实中活动之间关系复杂多变,因此,将广义优先关系引入Max-npv项目调度问题中,构建了广义优先关系约束下的Max-npv项目调度模型。针对该优化模型设计了一种双层遗传算法,外层遗传算法负责任务执行模式的优化,内层遗传算法负责任务调度的优化。在内层遗传算法中,采用任务开始时间之差作为新的编码方式,大大简化了交叉变异算子,针对网络图中的环状结构设计了修复算子,确保了编码的有效性。通过一个算例对算法进行了测试,实验结果验证了算法的有效性。     

具有模糊行程的城市物流动态费用多车型车辆调度问题研究

针对城市物流配送中广泛存在的多车型问题,以及由于交通路况等因素导致的配送行程模糊化现象,给出了一种基于梯形模糊数的,以最小化行程费用为目标的具有模糊行程的动态费用多车型车辆调度问题模型.在问题求解方面,针对基本粒子群算法容易陷入局部最优的情况,引入混沌局部搜索策略,给出了一种基于混沌优化技术的混合粒子群算法.仿真实验表明,该算法具有可行性和有效性.     

承继关系下多资源受限多项目选择计划模型及其智能决策方案

综合多资源、项目权重和承继因素,以充分利用资源和均衡分配计划期内资源为目标,提出含多重资源约束的多项目选择计划混合优化决策模型;进而,基于体液免疫应答中B细胞应答抗原的运行机制和机理,提取简化的应答框架并结合资源约束设计算子模块,获得寻求多资源受限多项目选择计划问题的最优决策方案的隐并行免疫算法;数值实验比较结果显示该算法能获得满足资源限制的最佳决策方案,论证了该决策模型的合理性和应用潜力.     

基于多阶段模糊规模效应量化的TMC模式下供应链调度优化研究

旅游大规模定制(Tourism Mass Customization, TMC)模式实施的关键是通过对旅游供应链的调度优化处理旅游活动的“规模效应”与游客“个性化需求”之间的矛盾问题。运用经济学及模糊数学的理论方法分析并实现了TMC模式下存在的多阶段模糊规模效应量化处理。构建了引入规模效应量化的服务成本最小化、引入模糊时间窗的顾客满意度最大化及供应链协同度最大化为优化目标的TMC模式下多目标供应链调度优化模型。最后,通过蚁群算法实现TMC模式下多调度优化目标的求解并对优化效果进行对比研究。研究结果表明,TMC模式下供应链调度中旅游活动存在多阶段模糊规模效应并且可以量化处理;TMC模式中的规模效应具有合理的区间范围,旅游企业应注重规模效应与其他目标的均衡;蚂蚁算法在求解TMC模式下多目标优化问题方面不仅收敛速度快,而且通过对多调度目标优化效果的对比检验表明,性能稳健优良。