基于锦标赛思想的最优计算量分配的研究

序优化(Ordinal Optimization,OO)方法在随机仿真优化(Stochastic Simulation Optimization)中有较为流行。该方法提出了序(Order)比值(Value)更容易获得的思想,并提供了理论依据。而最优计算量分配(Optimal Computing Budget Allocation,OCBA)算法则是为了进一步提高序优化的效率提出的。该文主要针对最优计算量分配算法进行拓展。在数据和选择爆发式增长的情况下,在获得最佳选择(方案)的同时,也有必要缩短选择时间。锦标赛思想则是在有大量参赛选手时,两两比较选出优胜选手,再从优胜选手中进行选择,从而减少比较的时间。受此思想启发,面对大规模候选集,提出了基于锦标赛思想的最优计算量分配算法。该算法在对方案进行仿真资源的分配前,先选择一半甚至更少的精英方案,以快速的获得最佳方案。并且实验数据表明了其有效性。

基于最优计算量分配的公路轨迹规划

针对智能汽车的公路轨迹规划问题,本文将最优计算量分配(OCBA)的思想引入基于候选轨迹曲线的规划算法OODE,提出新算法OCBA_OODE。OODE通过比较各候选曲线的"粗糙"(存在偏差但计算量小)评价确定最优轨迹曲线。曲线评价随着投入计算量的增加逐渐收敛至准确值,OODE对各曲线平均分配计算量,OCBA_OODE基于曲线评价循环分配计算量进而提高算法效率。OCBA_OODE在求解质量不下降的前提下,规划速度比OODE的快20%。

有限计算量下模拟退火算法的参数序优化

针对模拟退火算法作为一类全局随机搜索算法,其理论收敛条件难以严格实现,有限计算量下的算法性能在实际应用时对参数有严重的依赖性,并且确定合适参数的经验或试验方法缺少系统性等问题,提出将有限计算量下模拟退火的最优参数确定问题视为随机优化问题,并基于序优化和最优计算量分配技术研究出一种确定最优参数组合的系统性方法.典型调度问题的仿真结果验证了该方法的可行性和有效性.

基于模块化仿真的共享汽车联合调度优化

运营商在调度车辆时单独采用员工或顾客调度策略均难以有效解决共享汽车分布不均衡导致的盈利难问题.为此,在传统时空网络基础上,考虑道路拥堵和用车需求随时间变化对运营的影响,基于C#语言和O2DES(object-oriented discrete event simulation)离散事件仿真框架,建立由模块化站点和路段模型组成、可高效率运行的共享汽车仿真系统;在此基础上,提出一个以运营商日均净收益最大化为目标,联合决策车辆库存量阈值和行程定价的仿真优化模型,并为解决随机环境下的全局优化问题,设计了EGA-OCBA(elitist genetic algorithm with optimal computing budget allocation)算法;最后,以成都市的5个共享汽车站点为例,验证了仿真优化模型的有效性.仿真优化结果表明:在相同车队规模下,与采用固定价格的顾客调度策略相比,联合策略可使日均净收益提升10.37%~162.30%;与单独的员工调度策略相比,联合策略可使日均净收益提升15.34%.

一种新的混合优化算法及其在车间调度中的应用

提出了一种解决车间调度问题的新方法,该方法将序优化思想融入巢分区算法框架,采用"序比较"的方法进行算法的局部寻优."序"的指数收敛性加快了巢分区算法的局部收敛速度,从而提高了算法整体的优化效率.最优计算量分配技术则依据在线数据对计算量进行合理的分配.进一步提高算法的收敛速度和结果的可靠性.混合算法继承了巢分区算法的全局搜索特性以及序优化的快速收敛性.用该算法解决标准Jobshop调度问题,并与序优化方法和模拟退火算法进行比较,发现本文算法在收敛速度与优化质量方面均优于这些算法.

遗传算法参数和操作的序优化

遗传算法的优化质量和效率很大程度上依赖于算法参数和操作,包括种群大小、交叉和变异概率、选择、交叉和变异操作等,然而确定合适的参数和操作通常需要大量的试验和比较,需确定最佳参数和操作.为此,基于序优化和最优计算量分配技术,通过将问题描述为随机优化问题,提出了一种确定有限计算量下最佳GA参数和操作的系统性方法.仿真研究表明,该方法能够合理地确定最佳参数和操作,并同时给出GA的合理性能评价.

嵌套分区算法框架下基于序的优化方法研究

为有效解决随机资源分配问题,提出了一种嵌套分区算法框架下基于序的优化方法。该方法将序优化与最优计算量分配技术融入嵌套分区算法框架,利用"序比较"思想进行算法的局部寻优,极大地降低了算法的计算负担,而最优计算量分配技术则能够智能地对有限的计算量进行合理的分配,进一步提高序优化的收敛速度及结果的可靠性。嵌套分区方法保证了每一步均对全体可行域进行采样,从而保证了算法的全局收敛性。给出了算法实施的具体步骤并证明了收敛性。用该算法解决标准作业车间调度问题,并将仿真结果与其他算法进行比较,证明了本文算法的收敛速度与优化质量均优于其他算法。

基于两阶段随机仿真优化算法的体检顾客预约调度

针对体检机构顾客排队等待时间长的问题,研究随机服务时间下的体检顾客调度,采用多人时间槽预约策略,并在预约调度策略的基础上优化每位顾客的体检项目顺序,提出一种包含粗糙仿真评估和精确仿真评估两阶段随机仿真优化算法。运用序优化思想将基于亲和度评估的多种群遗传算法作为迭代优化策略,并利用改进的最优计算量分配方法排除超级个体的影响,形成仿真资源的全局和自适应优化分配机制。实验结果表明,与不进行任何调度及使用体检顺序启发式调度规则的离散事件结果相比,该算法获得了更好的调度解。

一种求解随机有限缓冲区流水线调度的混合差分进化算法

针对随机有限缓冲区流水线调度问题(Flow shop scheduling problem,FSSP),提出混合差分进化(Differential evolution,DE)算法OHTDE,用来最小化提前/拖后指标和最小化总体完成时间指标.OHTDE将DE和最优计算量分配(Optimal computing budget allocation,OCBA)技术以及假设检验(Hypothesis test,HT)有效结合.DE用于执行全局搜索和局部搜索;OCBA用于对有限计算量进行合理分配,从而保证优质解得到较多仿真计算量,提高了在噪声环境下获得优质解的置信度;HT用于在统计意义上比较解的性能,从而一定程度上避免在解空间相近区域进行重复搜索.进而,对由OCBA和HT确定的优质解执行一种特殊的交叉操作,加强DE的局部开发能力.同时也采用有限马氏链理论对OHTDE的随机收敛性进行了分析.仿真实验和算法比较验证了算法的有效性和鲁棒性.

随机资源约束项目调度问题基于序的果蝇算法

针对项目活动工期为随机变量的资源约束项目调度问题,提出一种基于序的果蝇算法.为了实现随机环境下解的有效评价,提出一种预选机制,并采用基于序的最优计算量分配技术.为了使果蝇算法能够求解资源约束项目调度问题,采用交换操作执行果蝇算法的嗅觉搜索,并采用保优更新操作执行视觉搜索.为了均衡算法的局部搜索和全局搜索能力,在标准果蝇算法中引入了协作进化环节并采用两点交叉操作加以实现.在不同随机分布的情况下,采用标准测试集进行仿真测试.与现有算法的比较结果验证了所提预选机制和基于序的果蝇算法的有效性.

加工时间随机可控Job Shop前摄调度研究

针对Job Shop环境中工序加工时间的不确定性,建立加工时间随机可控Job Shop调度问题随机模型。采用效率指标和鲁棒性指标对调度方案进行双目标评价。提出一种分层求解策略实现双目标优化,并采用嵌入最优计算量分配策略的遗传算法求解模型。仿真实验证明了所提出模型及优化算法的可行性。通过与直接采用均值-方差模型进行双目标优化得到的结果进行比较,证明了所提出的分层求解策略和算法可以获得综合性能更好的调度方案。

考虑不确定加工时间的炼钢—连铸过程柔性调度方法

针对加工时间存在不确定性的炼钢—连铸调度问题,构造了一种基于有向图网络的柔性调度模型,并提出一种基于分布估计的优化算法。在柔性调度模型中,使用有向图网络描述调度解的柔性决策,然后设置时间缓冲以保护不确定条件下调度解的性能指标和可行性;在优化算法中,使用基于工序关联的概率模型描述决策变量之间的关联关系以产生高质量的新种群,并采用随机仿真方法对柔性调度解的期望性能进行评价。在仿真过程中,运用最优计算量分配技术对有限计算资源进行动态分配以提高种群的评价效率。通过基于实际生产数据的问题实例和数值实验验证了所提柔性调度方法的有效性。

一种混合嵌套分区算法及其在车间调度中的应用(英文)

设计了一种嵌套分区算法框架下的局部搜索算法,即基于最优计算量分配技术的序遗传算法,该算法采用序优化思想保证在有限计算量条件下得到局部最优解,并用遗传算法的进化搜索能力和学习能力对解空间进行搜索。将设计的局部搜索算法与嵌套分区算法相结合提出一种新的混合优化算法,用该混合优化算法求解几个标准的随机车间调度问题,数字仿真的结果表明该混合算法的优化性能好于遗传算法及基于最优计算量分配技术的序优化方法。