【摘 要】
：
资源受限项目调度问题是项目管理领域中的重要问题之一。该问题假设在所有活动工期及其所耗资源数量已知的情况下,求得一种以项目工期最短为目标的调度方案,是一种NP-hard问题。对大规模资源受限项目调度问题的求解仍然是难点。此外,由于实际项目环境中存在着大量不确定性因素,以模糊数形式表达这些不确定性因素形成的模糊资源受限项目调度问题又会让问题的复杂度进一步提升。本文主要研究内容如下:首先针对资源受限项目
论文部分内容阅读
资源受限项目调度问题是项目管理领域中的重要问题之一。该问题假设在所有活动工期及其所耗资源数量已知的情况下,求得一种以项目工期最短为目标的调度方案,是一种NP-hard问题。对大规模资源受限项目调度问题的求解仍然是难点。此外,由于实际项目环境中存在着大量不确定性因素,以模糊数形式表达这些不确定性因素形成的模糊资源受限项目调度问题又会让问题的复杂度进一步提升。本文主要研究内容如下:首先针对资源受限项目调度问题,提出了一种混合型遗传算法（h GA）。该算法融合了基于关键路径搜索和基于映射的双端对齐两种局部搜索策略,用于提升搜索效率;在初始化阶段使用了八种启发式方法,用于提升种群的初始解质量;通过设计基于邻域搜索的块变异方法,保留局部最优块信息。其次针对模糊资源受限项目调度中单目标去模糊化策略影响评价函数准确性的问题,提出了两种多目标h GA算法。设计了一种多目标去模糊化策略,保证了评价函数的正确性;采用了两种多目标选择机制,保证解分布的多样性。为了证实h GA的有效性,本文将h GA在标准PSPLIB数据库中的J30、J60和J120共1560个实例上与近期领域前沿算法进行了对比,实验结果表明h GA在J60和J120两个中大型数据集上的平均偏差百分比和稳定性均优于其它算法。为了证实多目标去模糊化策略的有效性,在三种拓展的模糊数据集中进行了实验。实验结果表明两种多目标h GA算法在最优值和稳定性方面均优于单目标h GA算法,且多目标方法能够保持算法运行时间不变。
其他文献
采用先进的波浪模拟控制技术的造波机系统,能够在实验水域内精准模拟产生波浪,并使其作用于各种模型结构物上,对海岸和近海工程设计、波浪理论的研究等具有重要意义。波浪模拟控制技术属于多学科交叉的技术范畴,涵盖了波浪理论、运动控制、机械构造、信号电子技术等多学科知识。本文根据工程项目中遇到的相关问题,分别对波浪模拟控制系统中的运动控制技术、数据处理方法、软件功能设计中的关键问题进行了深入研究。本文以波浪理
无线通信技术使网络终端得以延伸,万物互联的物联网时代也随之到来,物联网技术的快速发展使多个领域的技术与系统业务融合在一起,为人类的生活生产等活动提供无所不在的服务。智能家居是物联网技术的一个重要应用,随着物联网技术的不断成熟,该产业也由智能单品控制逐步向场景联动阶段发展,用户通过自定义场景联动规则,使各设备间实现互联互通,在此过程中系统内的互操作性也大大增强。用户需求的增加使得系统内的服务数量逐渐
机器学习已被广泛应用于社会生产生活当中,它为我们的生活提供了巨大的便利,也为生产力的发展提供了动力.在众多机器学习模型中,多任务学习模型是能够提高训练效率,降低样本需求的重要分支,在诸多方面都已经有了许多成功应用.但是,多任务学习模型在理论方面仍存在一些不足,已有研究成果通常仅考虑各任务的泛化差距的简单求和形式,所得到的结果通常只能反映模型在所有任务上的平均性能,而不能对每个任务的性能进行单独评估
目的探讨老年心源性呼吸衰竭患者机械通气后早期拔管失败的危险因素及建立预测模型。方法纳入本院心源性呼吸衰竭接受有创机械通气后于24 h内拔除气管插管的年龄≥60岁患者311例,将30 d内再次插管的41例为失败组,成功撤机的270例为撤机组。用多因素logistic回归分析30 d内再次气管插管的危险因素,构建预测模型,用ROC曲线和校准曲线及决策曲线分析验证模型的准确性和获益率。结果失败组院内感染
非编码RNA在许多动植物生命活动中扮演着重要的角色,具有代表性的是miRNA和lncRNA。越来越多的研究表明,miRNA不仅可以与mRNA相互作用,还可以与lncRNA相互作用,影响生物学过程。目前对于miRNA和lncRNA的研究主要集中在人和动物上,对于植物的miRNA和lncRNA研究相对较少,而对植物miRNA和lncRNA相互作用的研究就更少了,且分散在不同物种中。植物miRNA和ln
随着人工智能时代的到来,人们对于机器设备的期望不再只停留于科学计算,如何让计算机更加智能高效成为更多科技从业者的工作目标和价值追求。其中,情感智能计算是改善人机交互的重要组成部分。但目前智能情感计算的发展仍然面临严峻的挑战,包括多模态特征使用不充分、情景信息挖掘不完全等,导致情感识别率较低。本文基于目前计算机领域和心理学相关研究成果,模拟现实生活中人类情感的表达方式,提出基于情景注意力神经网络的多
具有强大探索能力和自主学习能力的深度强化学习（Deep Reinforcement Learning,DRL）是实现自主机器人行为控制的重要技术之一。在动态环境中,高维度的连续决策空间常常使机器人控制策略的学习过程陷入局部最优。此外,深度学习遵循“端到端”的训练理念缺乏对机器人关节之间依赖关系的解释。针对机器人的维度诅咒的问题,本文提出了基于注意网络的可分解策略-值网络方法（Decomposed
近年来,针对智能体或多智能体系统的研究已经成为当前人工智能领域的研究热点之一。在多智能体系统中,多个智能体往往需要通过交互（例如,合作、竞争等）完成目标任务。本质上,智能体之间的高效交互可以通过分析并预测其他智能体的行为实现,进而提升整体系统任务完成的速率和成功率。其中,一种广泛使用的方法是利用智能体历史交互信息构建对手行为模型来预测当前交互过程中相关智能体的策略或行为。然而,该类方法需要在大量的
本文主要研究的是多任务优化问题中的任务选择算法。多任务优化问题是指多个优化任务在并发过程中相互进行知识迁移,从而提升各任务自身的优化性能。而在知识迁移前,对迁移的对象任务进行选择具有深刻意义。多任务优化问题中,由于随机选择任务进行知识迁移时会产生大量负迁移,从而导致各任务优化性能下降。因此,本文致力于设计合适的任务选择算法,使各任务能够选择合适的迁移任务进行知识迁移,减少负向迁移影响,提升正向迁移
实施"三线一单"生态环境分区管控制度是贯彻习近平生态文明思想的重要举措。习近平总书记多次强调要加快划定并严守生态保护红线、环境质量底线、资源利用上线三条红线。2021年4月以来,31个省（区、市）及新疆生产建设兵团均已完成"三线一单"省级成果发布工作,全面进入成果落地和实施应用阶段。近日,生态环境部印发《关于实施"三线一单"生态环境分区管控的指导意见（试行）》（环环评[2021]108号,以