N×2N瓶颈指派问题及其阀门(threshold)算法

讨论把2N项任务(或工件)指派(安排)给N个人(或机器)的问题.已知人i处理(或加工)任务j的时间花费是cij,i=1,2,…,N,j=1,2,…,2N,要求每人恰承担2项任务,每项任务恰由1个人承担.怎样分派任务,使完成任务最慢的人所花的时间最少.     

改进的多目标规划遗传算法

本讨论了[1]中多目标规划遗传算法存在的缺陷，并提出了相应改进策略．这些策略包括：引进精粹策略，杂交限制，终止条件，个体表示改进等方面，利用这些策略使算法能克服终止准则和小生境聚集的缺陷，使得算法能更快的收敛到Pareto最优解集同时又有好有分布的Pareto最优解集．     

一个实际指派问题的研究

在企业、公司的运营与管理中，管理者总是希望把人员最佳分派以发挥其最大工作效率，从而降低成本、提高效益。然而，如果没有科学的方法是很难实现优化管理的。本文通过运用匈牙利法对一个航班时刻表中的机组人员在异地的停留时间进行分析与研究，发现现有的人员指派方案不是理论上的最优解，进而在假设条件成立的前提下，提出了更加科学的人员指派方案。     

分配小于人数和任务数的指派问题的反点算法

摘要：本文对从 个人中派出 个人去完成 项任务中的 项任务使总效率最高这类指派问题给出了新算法,通过对这类指派问题引入了反点的概念,讨论了反点所具有的一些性质并证明了相关结论,利用这些结论找到了通过增加反点来解决此类指派问题的反点算法。     

一个二维整数瓶颈问题及其算法

本文讨论了数学模型：ｍａｘ｛ｆ（ｘ）│ｆ（ｘ）＝ｍｉｎ（１≤ｊ≤ｎ）〔ｃ１ｊｘ１ｊ＋ｃ２ｊｘ２ｊ〕，ｘ∈Ｄ｝，其中Ｄ＝｛ｘ│ｘ＝｛ｘｉｊ｝，ｎΣ（ｊ＝１）ｘｉｊ＝ａ，ｉ＝１，２，ｘｉｊ≥０且为整数｝，并给出了一个拟多项式算法。     

任务数多于人数的指派问题

本文给出任务数多于人数指派问题的两种解决方法。     

一类二阶段指派问题

经典的指派问题是研究资源与任务的二元匹配。作为推广,三维指派问题是研究资源、任务与作业的三元匹配。前者已有成熟的有效算法,后者是著名的NP困难问题。本文讨论介于二者之间的一类二阶段指派问题,即可分解为二阶段决策的特殊三维匹配问题,给出多项式时间算法。     

一个整数瓶颈问题的两个多项式算法

讨论下列数学模型Ⅰ:求x=(x_1,x_2,…,x_n)适合条件{■a_(ij)x_j≥b_i (i=1,2,…,m) x_j≥0且整数(j=1,2,…,n)使f(x)■{c_jx_j}达到最小值,其中m＜n,a_(ij),b_i及c_j均为正整数。对该模型,建立了两个多项式算法,其复杂度均为O(n~2),并列举了一个数值例子．     

Vague指派问题的求解方法研究

Vague指派问题的特殊性在于用Vague值表述效益矩阵,进而反映了指派问题中存在的诸多不确定性和模糊性。论文根据Vague值的特点,提出了Vague指派问题的求解转化为经典指派问题思想,进而借助“马太效应”函数、特征值向量和Pareto三种方法实现问题的求解。最后,论文以参考文献中的一组数据为例,采用以上方法进行计算,得到了理想的结果。     

人数与任务数不相等的指派问题

本提出人数与任务数不相等的指派问题应当视为一个多目标决策问题，首先要求指派给各人的任务数目两两之间相差不能超过1，其次要求所需总时间最少；并且给出了该问题的求解方法。     

多目标规划的一种混合遗传算法

本文利用遗传算法的全局搜索内能力及直接搜索算法的局部优化能力，提出了一种用于多目标规划的混合遗传算法．与Pareto遗传算法相比．本文提出的算法能提高多目标遗传算法优化搜索效率，并保证了能得到适舍决策者要求的Pareto最优解．最后，理论与实践证明其有有效性．     

二次分配问题的大洪水算法求解

大洪水算法是一种求解组合优化问题的独特方法,该方法通过模拟洪水上涨的过程来达到求解一些组合优化难题的目的.本文运用该方法求解二次分配问题(QAP),设计了相应的算法程序,并对QAPLIB(二次分配基准问题库)中的算例进行了实验测试,结果表明,大洪水算法可以快速有效地求得二次分配问题的优化解,是求解二次分配问题的一个新的较好方案.     

A Hybrid Metaheuristic for the Quadratic Assignment Problem

The quadratic assignment problem (QAP) is known to be NP-hard. We propose a hybrid metaheuristic called ANGEL to solve QAP. ANGEL combines the ant colony optimization (ACO), the genetic algorithm (GA) and a local search method (LS). There are two major phases in ANGEL, namely ACO phase and GA phase. Instead of starting from a population that consists of randomly generated chromosomes, GA has an initial population constructed by ACO in order to provide a good start. Pheromone acts as a feedback mechanism from GA phase to ACO phase. When GA phase reaches the termination criterion, control is transferred back to ACO phase. Then ACO utilizes pheromone updated by GA phase to explore solution space and produces a promising population for the next run of GA phase. The local search method is applied to improve the solutions obtained by ACO and GA. We also propose a new concept called the eugenic strategy intended to guide the genetic algorithm to evolve toward a better direction. We report the results of a comprehensive testing of ANGEL in solving QAP. Over a hundred instances of QAP benchmarks were tested and the results show that ANGEL is able to obtain the optimal solution with a high success rate of 90%. This work was supported in part by the National Science Council, R.O.C., under Contract NSC 91-2213-E-005-017.     

广义指派问题

广义指派问题可以表述为：指派ｍ位人员执行ｎ项任务,指派人员ｉ执行任务ｊ的收益为ｃｉｊ,需指派人员ｉ执行ａｉ至ａｉ项任务和ｂｊ至ｂｊ位人员执行任务ｊ,问如何指派使总效益最优。广义指派问题可以转化为一个能用对偶运输解法求解的容量运输问题     

求解指派问题的一个算法

为了便于建立与指派问题有关的决策支持系统，本给出了一个求解指派问题的数值算法，证明了算法的理论依据。该算法能求得问题的最优解，并具有易于编程实现、收敛性好等优点，大量数值实验表明该算法非常实用有效。     

基于资源受限广义指派问题的分解启发式算法

资源受限广义指派问题(RGAP)是NP-难的,对RGAP问题给出一个分解启发式算法.通过分解目标函数及约束条件,把原问题分解成子问题的集合,并设计分解启发式算法找到该问题的满意解.最后,通过算例说明算法的有效性.