考虑多技能资源协作的多目标项目调度

摘要

近年来随着优化调度学科的发展，资源受限项目调度受到越来越多的关注，也有越来越多的研究投入其中，这些研究主要集中在如下两个方面：完善调度模型，使其更为复杂与切合实际；另一方面，提升求解问题所使用的算法，使得求解模型时更加高效，性能更加优秀，求解出更好的结果。 论文提出了一种基于资源协作的多目标多技能项目调度模型，以最大限度地利用资源、缩短工期、减少资源浪费为目标对模型进行求解。算法方面，文章介绍了常用的基本多目标遗传算法和基于快速非支配解的多目标遗传算法，此外，文章还将遗传算法与免疫机制相结合，提出混合免疫遗传算法，在种群交叉和变异之前先进行接种，在一定程度上增加了种群的多样性，之后又将快速非支配算法的分级制度和选择机制应用到混合免疫遗传算法，成功求解了本文所提出的基于资源协作的调度模型。 计算实验所采用的案例是PSPLIB案例库的扩展。运行扩展后案例库，将免疫遗传算法和传统遗传算法、快速非支配算法（NSGA-Ⅱ）进行对比，结果表明所采用的算法能够获得较为优秀的解。在进行计算结果的比较时，本文还提出了一种新的评价指标：算法间Pareto解的支配比例，用于直接衡量算法所获得个体解间的支配关系，结果显示此项指标是一个直观有效的评价指标。

目录

第一个书签之前

摘 要

Abstract

目 录

1 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 多技能多目标项目调度研究现状

1.2.2 资源协作项目调度研究现状

1.3 研究内容与论文结构安排

2 问题描述及建模

2.1 引言

2.2 问题描述

2.3 模型建立

2.4 问题实例

2.5 本章小结

3 基本多目标遗传算法

3.1 引言

3.2 MOGA

3.2.1 算法流程

3.2.2 染色体编码及解码

3.2.3 适应度函数

3.2.4 选择、交叉及变异

3.3.1 算法流程

3.3.2 快速非支配解与拥挤距离

3.3.3 精英策略

3.4 本章小结

4 混合免疫遗传算法

4.1 引言

4.2 基本混合免疫遗传算法

4.2.1 算法介绍

4.2.2 算法流程

4.2.3 “双岛模型”及接种过程

4.3 引入NSGA-II选择机制的增强免疫遗传算法

4.3.1 算法描述

4.3.2 算法流程

4.4 本章小结

5 计算实验

5.1 引言

5.2 实验设计

5.2.1 案例生成

5.2.2 参数选择

5.2.3 评价指标

5.3 算法间对比分析

5.4 本章小结

6 结论

6.1 研究总结

6.2 研究展望

致 谢

参考文献

附录一 攻读硕士学位期间发表的学术论文

附录二 攻读硕士学位期间参加的科研活动