[发明专利]基于多智能体进化算法的资源受限项目调度方法

说明书

技术领域

本发明涉及自动控制与信息技术领域的一种方法，具体涉及一种基于多智能体进化算法(multiagent evolutionary algorithm，MAEA)的资源受限项目调度方法。

背景技术

资源受限项目调度问题(resource-constrained project scheduling problem，简称RCPSP)广泛地存在于建筑工程、软件开发、飞机及轮船制造等单件或小批量生产方式的企业中，合理的调度计划是降低成本、提高质量、缩短周期的重要保证。RCPSP不仅在实践中应用广泛，在理论上，该问题模型丰富，而且多属于NP-hard问题，求解困难，因此，一直吸引着国内外众多学者的研究和关注。

典型的资源受限项目调度问题可描述为：在一个项目中，包含n个任务。任务之间存在着紧前关系，记B_j为任务j的紧前任务集，A_j为任务j的紧后任务集。整个项目的结构可由一张节点式(activity-on-node，AON)有向网络图G＝(V，E)表示，顶点集V中每个顶点代表项目中每一个任务，弧线集E代表任务间优先关系，即若任务v和任务w之间存在一条由v指向w的箭线，则任务v是任务w的紧前任务，任务w是任务v的紧后任务。每个任务执行持续时间记为d_j，这些任务的执行有两种约束：①优先关系约束，即每个任务必须等它的所有紧前任务完成之后才能执行；②资源约束。每个任务的执行都要消耗时间和资源，调度的目的是求出项目中每项任务的开始时间和结束时间，并且同时满足资源约束和优先关系约束，使某些管理目标最优化，例如最小化项目工期。

目前文献中提出了大量的RCPSP解决方法，大致可分为三类：最优化算法、启发式算法、元启发式算法。其中，元启发式算法主要包括遗传算法、模拟退火算法、禁忌搜索算法、粒子群优化算法、蚁群优化算法等。RCPSP属于组合优化问题，元启发式算法是目前被普遍认为在性能、可扩展性和易于实现性等方面权衡后的最佳方法。其中，遗传算法是最常用的一种元启发式算法。更广义的地说，遗传算法属于一种进化算法，由于进化算法与传统优化方法相比，具有简单、通用、鲁棒性强和便于并行化处理等优点，已被广泛应用于数值优化、组合优化、分类器设计等领域。但实践也表明，仅仅使用以遗传算法为代表的进化算法来模仿生物处理事物的智能还是远远不够的，还必须更加深层地挖掘与利用生物的智能资源。在遗传算法中，用于产生子代的个体是根据适应度从整个种群中选择出来的，因此必须预先确定整个种群的适应度分布。但在自然界中并不存在全局选择，也无法计算全局的适应度分布。事实上，自然选择本身是一种局部现象，它只与个体所在的局部环境有关。也就是说，某一阶段，自然进化是一个局部过程，它通过渐渐扩散，才使得信息为全局共享。因此，用遗传算法求解资源受限项目调度问题不能很好的模仿生物处理事物的智能，另外遗传算法还有易早熟收敛、收敛速度慢、稳定性差等缺点，从而无法得到好的项目进度计划。

发明内容

本发明的目的在于针对上述现有方法的不足，提出了一种基于多智能体进化算法的资源受限项目调度方法，本方法能解决背景技术中存在的不足，从而得到在最优解比例和偏离最优解误差方面更好的资源调度。

本发明的技术方案是这样实现的：