[发明专利]基于分层两阶段智能算法的资源受限项目调度优化方法

说明书

本发明公开了一种基于分层两阶段智能算法的资源受限项目调度优化方法，包括以下步骤：获取调度优化所需信息；计算任务的排序值和层次值；初始化当代种群；采用基于插入模式的串行个体解码计算适应度值；分两阶段进行进化：阶段1采用基于层次的交叉变异操作使算法快速收敛于最优解附近，阶段2采用基于拓扑排序的参数化均匀交叉操作和变异操作并采用FBID方法改进种群计算适应度值，进行邻域的拓展搜索以找到最优解；输出调度优化方案；相对于传统的单阶段搜索策略本发明具有更高的搜索效率和寻优能力。

技术领域

本发明涉及计算机技术、信息技术和系统工程领域，具体涉及一种资源受限项目调度优化方法，更具体的说，尤其涉及一种基于分层两阶段智能算法的资源受限项目调度优化方法。

背景技术

资源受限项目调度问题RCPSP(Resource-Constrained Project SchedulingProblem)是指在满足资源及任务时序关系的约束下，如何科学合理地分配资源、安排任务执行顺序确定其开始和完成时间，以实现既定目标如：工期、费用等的最优化。随着越来越多的现代企业采用趋于面向项目的组织结构和管理模式，RCPSP广泛存在于建筑工程、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，具有很强的工程应用背景。

在现阶段求解RCPSP的方法主要分为：1)精确算法，如：0-1整数规划和分支定界法；2)启发式算法，如：基于优先规则的启发式算法、分离弧法和局部搜索计算等；3)智能算法，如：遗传算法、粒子群优化算法、蚁群算法等。其中精确算法尽管在理论上能够得到最优解，但计算时间通常无法接受，一般只适用于小规模问题，启发式算法基于一定的启发式规则可以快速得到问题的解，但通常不能保证解的质量，智能算法基于计算智能，采用改进的启发式规则和搜索方式在合理的时间内找到近优解或满意解，但其效率通常依赖于算法本身的设计及问题的类型。

发明内容

为了克服现有精确算法无法适用于大规模问题，启发式算法、结合启发式的半智能算法搜索空间的不完备性及智能算法效率依赖于算法本身的设计及问题的类型等不足，本发明提供了一种基于分层两阶段智能算法的资源受限项目调度优化方法，有效减少了资源受限项目调度问题的求解时间、提高了求解质量。

本发明解决其技术问题所采用的技术方案如下：一种基于分层两阶段智能算法的资源受限项目调度优化方法，包括以下步骤：

步骤1：形式化资源受限项目调度问题，获取调度优化所需的信息；

获取项目任务集T＝{t₀,t₁,…,t_J,t_J+1}；其中t_j表示任务j，即编号为j的任务，t₀与t_J+1是人为增加的虚拟任务，即不占用项目工期也不占用资源，J是需要调度的实际任务数量；

获取任务间的时序关系，即任务j的父任务集PR_j和子任务集SC_j，任务j在其父任务j^-∈PR_j全部完工之前不能开始执行，j＝0,1,…,J+1，t₀没有父任务即t_J+1没有子任务即

获取资源k在任意时刻的可使用量R_k，k＝1,…,K，K是资源种类数量；

获取任务j执行时需要的时间即工期d_j和占用资源k的数量r_j,k，r_j,k≤R_k，j＝1,…,J，k＝1,…,K；

步骤2：计算任务的排序值rank和层次值lvl；

任务的排序值rank计算如下：

首先，计算任务j的自下而上排序值

对于没有子任务的结束任务J+1：