复杂生产过程的智能优化调度理论与方法是目前国际学术和工业界一个跨学科的前沿研究方向。本项目研究了基于离散微粒群(DPSO)、离散差分进化(DDE)与离散和声搜索(DHS)等新型群智能的优化调度理论与方法,主要内容如下①探索了传统DE和HS的改进方法,包括自适应决定矢量产生策略和算法参数、参数集成或动态多子群进化等。②研究了直接工作于调度问题定义域的DPSO、DDE、DHS、DABC、DSFL和EDA及其改进措施。③研究了具有复杂约束和多目标调度问题的快速邻域评价技术和高效局部搜索算法。④提出了基于DPSO、DDE、DHS、DABC、DSFL和EDA的解决复杂约束、多目标、动态调度问题的高性能混合算法。⑤研究了基于禁忌搜索(TS)、变邻域搜索(VNS)、蚁群优化(ACO)、模拟退火(SA)和Memetic等算法的调度方法,并对考试时间安排问题、智能组卷问题、资源约束项目调度问题、QOS路由问题以及旅行商问题等进行了优化。上述研究成果有助于促进群智能算法在调度领域的应用,丰富和深化了已有的优化调度理论,可望为实际调度系统提供技术支持。
英文主题词Discrete particle swarm optimization; Discrete differential evolution; Discrete harmony search; Hybrid scheduling algorithm; scheduling problems