摘要：针对资源受限项目调度问题,以最小化项目完成时间为目标,设计基于深度学习的调度优先规则实时动态选择算法,在每个调度阶段实时选择优先规则进行活动安排.通过构建深度神经网络模型,确定已调度项目在各阶段的项目状态与最佳优先规则之间的映射关系,再据此为待调度项目实时动态选择优先规则,结合串行调度机制生成最终调度计划.实验研究表明:实时动态选择优先规则算法表现优于文中所涉及的单一优先规则算法及混合优先规则算法,且具有更好的泛化性;此外,与元启发式算法相比该算法具有更高的求解效率.

摘要：在活动工期不确定的分布式多项目调度问题中,以最小化期望总拖期成本为目标,设计基于多优先规则启发式的动态调度算法,在每个决策点分别以不同的多优先规则启发式决策候选活动和协调候选活动间的全局资源冲突.此外,考虑到管理者信息披露的策略性行为,设计了支付协商过程,以对抗两个项目问题中管理者的投机行为.开展了详细的计算实验研究,结果表明:在五种活动工期分布下,本文算法可以有效降低总拖期成本的期望值;在工期常分布下,本文算法更新了相关研究中的最优结果.另外,实验还分析了两个项目问题中的管理者在协商过程中的策略性行为对多项目调度的影响,从成本的角度分析了管理者的占优行为策略及对应的多项目调度求解质量.

摘要：首先给出了该问题的数学模型,问题分析得出该问题也是一类NP完全问题,继而讨论了启发式方法进行问题求解的基本思想,基于此,结合活动成本目标的特性提出了问题求解的串行调度方案和并行调度方案,并设计了相应的几种优先规则,分析了算法的时间复杂性.基于改造PSPLIB中的单模式算例测试,并行调度方案的结果大多优于串行调度方案,而在最大最早完成时间和最大活动先序相关成本等两种优先规则下的调度方法计算效果相对较好.

摘要：本文提出的基于优先规则的两阶段算法核电采购任务调度问题研究,主要研究内容是通过合理分配和使用现有的人力物力资源,制定任务中所有采购活动的执行策略和整体调度计划,达到提高效率、降低成本的目的。首先,对核电采购任务调度决策问题的研究背景进行了简要回顾。随后,以完成整体采购任务的总时间成本最少为目标,构建核电采购任务调度优化模型;接着,针对上述模型提出了一种基于优先规则的两阶段算法;最后,通过设计仿真实验证明该算法求解模型的准确性和有效性。

摘要：由于工业物联网数据具有规模海量、多源异构等特征,传统融合方法下不同数据源的识别误差较大,因此提出数字孪生驱动下的工业物联网数据融合处理方法.做好工业物联网物理实体数据的实时采集与去冗余等准备工作,构建一个体现物理实体数据与数字虚拟数据之间映射关系的工业物联网数字孪生模型,采用本体关联的TF-IDF算法提取多源异构虚实数据的语义特征,基于可信度优先规则融合本体语义特征,实现了工业物联网数字孪生虚实数据的融合处理.实验结果表明,设计方法识别不同类别的工人操作数据准确度为 95.98％,证明该方法可以有效融合来自不同数据源的工业物联网数据.

摘要：模具产品的定制化特征使得大量模具企业采用项目管理的方法进行生产管理。针对大量并行项目、新项目随机到达、有限资源能力以及大量随机事件干扰导致难以获得模具项目调度最优解的问题,提出以简单高效的经典优先规则近似求解。为了评价不同经典优先规则的优劣,选取了15种适用于模具项目调度问题的规则,以随机生成的算例为实验数据设计了对应的仿真实验,并以项目群累积拖期天数、累积拖期成本以及累积拖期项目数作为评价指标。实验结果表明不同项目环境下对应不同决策目标的最优规则差异较大,所得结论不仅对于合理选择优先规则进行模具项目调度决策具有实际指导意义,也将为后续构建多规则组合的模具项目高效控制策略奠定基础。

摘要：为了进一步证实基于资源受限的项目进度问题(RCPSP)优先规则的适用环境,使用标准问题库PSPLIB中的J30、J60和J90三个案例集,设计了一种全析因实验对7种普遍认为效果较好的优先规则进行对比研究。实验结果表明,优先规则MSLK和MTS在解决RCPSP中效果最为优越,LST和SPT效果最差。同时还发现,优先规则的效果随着活动数和资源强度的增加而更优,随着网络复杂度和资源负载的增加而变差。

摘要：研究了应用优先规则在多种影响和多个指标下的作业排序问题 ,建立了集成规则的优化模型和求解方法。算例表明 ,本文提出的方法是有效的。

摘要：针对作业车间调度问题,提出一种改进的蚁群优化算法.首先设计禁忌表以产生活动调度,然后对传统的蚁群优化算法进行简化,并提出一种新型优先规则作为启发式信息.为增强算法的收敛性和提高求解质量,引入基于作业车间调度问题邻域结构的局部搜索.实验表明该文算法有效.

摘要：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。