基因编辑先进疗法:管理、政策和社会☆

<正>1引言本报告是议题为"基因编辑先进疗法:管理、政策和社会"的专家会议成果。该会议于2017年7月6-7日在德国柏林召开,经合组织生物技术、纳米技术与融合技术(BNCT)工作组项目"开放式和责任式创新:充分发挥卫生领域新兴技术潜力"为赞助方,德国联邦教育与研究部(BMBF)承办了此次会议。     

一类最优指派问题的动态规划算法

考虑一类较一般的最优指派问题：欲把m项工作指派n个人去完成(m≥n)，要求每项工作只能由一个人来做，第i个人可以同时做bi项工作，其中bi是待求未知数，满足di≤bi≤ei（ei,di为第i个人所无原则工作数的上下限）及∑i=1＾n bi=m为已知常数（i=1,2,…，n），第i个人做第j项工作所用的时间为Cij≥0（i=1,2,…，n；j=1,2,…,m），本文给出了求解上述最优指派问题（使总耗用时间最小）的动态规划算法。     

具有恶化效应和凸资源分配关系的单机排序问题

研究工件加工时间具有恶化效应和凸资源关系的单机排序问题,其中工件的实际加工时间是其正常的加工时间,工件开工时间(具有恶化效应)及消耗资源量的函数。目标为在最大完工时间(总完工时间、总等待时间、完工时间总绝对差与等待时间总绝对差)小于或等于给定常数的条件下找到工件的最优排序和最优的资源分配使工件的总资源消耗量最少。在单机状态下,证明了此问题是多项式时间可解的,并给出了求解该问题的算法和数值实例。     

带准备时间的任务单机学习效应排序问题

具有学习效应的任务的加工时间和带有准备时间的任务问题是排序论中的重要研究内容,它们对任务的完工时间有重要影响．研究了具有学习效应且带有准备时间的任务单机排序问题,其中学习效应指的是任务的实际加工时间是该已经排好的任务对数加工时间的递减函数,目标函数为最小化总完工时间．这个问题是NP-难问题．用分支定界法给出了此问题的最优解,为了提高分支定界法的运行效率,同时给出了一个启发式算法、几个优势性质和两个下界．计算结果表明分支定界法和启发式算法求解此问题非常有效．     

一类资源约束排序问题1|p_j=b_j-a_ju_j,∑w_jC_j≤A|∑u_j

讨论一类资源约束排序问题 1 |pj=bj-ajuj, wjCj≤A| uj,给出一个求解算法 ,给定一个排列 ,该算法能求出相应这个排列的最优排序 ,或断定该排列无相应的可行排序     

一类资源约束排序问题1|pj=bj-ajuj,wjCj≤A|u j

讨论一类资源约束排序问题1|pj=bj-ajuj,w jCj≤A|uj,给出一个求解算法,给定一个排列,该算法能求出相应这个排列的最优排序,或断定该排列无相应的可行排序.     

Flow shop排序问题F2｜prmu｜∑ωjCj的一个启发式算法

给出Flow shop排序问题F2|prmu|∑ωjCj的一个启发式算法，其最坏情况的界为2，且是紧界。此外，还讨论了它的三种多项式可解的条件。     

具有学习效应和加工时间可控的平行机排序问题

本文研究了一类不相关平行机的排序问题,在该问题中工件的加工时间既具有学习效应,又资源可控,也就是说在该问题模型中,工件的实际加工时间为其正常的加工时间、加工过程中工件所处位置以及加工时间可控这些变量的函数。该研究的目的是为使得总机器负载和总的控制费用的加权和最小以及总的完工时间和总的控制费用的加权和最小。文章通过对问题的相关性质的分析和证明找到了一个解决问题的最优化算法,并且也证明了在处理机的数量给定的条件下,该问题的时间复杂性为O(n^m+2),最后也给出了相应的数值例子来阐述该问题。     

各机器具有相同加工时间的Flow Shop 成组排序问题

本文讨论了m台机器的Folw Shop成组排序问题，工件在不同机器上的加工时间相同，目标函数为极小化完工时间和。给出了一个多项式时间可解的最优算法。     

带准备时间的任务单机学习效应排序问题

具有学习效应的任务的加工时间和带有准备时间的任务问题是排序论中的重要研究内容,它们对任务的完工时间有重要影响。研究了具有学习效应且带有准备时间的任务单机排序问题,其中学习效应指的是任务的实际加工时间是该已经排好的任务对数加工时间的递减函数,目标函数为最小化总完工时间。这个问题是NP-难问题。用分支定界法给出了此问题的最优解,为了提高分支定界法的运行效率,同时给出了一个启发式算法、几个优势性质和两个下界。计算结果表明分支定界法和启发式算法求解此问题非常有效。