【技术实现步骤摘要】
本专利技术属于资源配置领域,具体涉及一种多目标资源配置方法。
技术介绍
资源配置问题,即给定一定数量的某种资源,例如人力、资金、设备、材料等,将其投入多种活动,产生如何分配资源给各项活动,使投放资源的总效果最优的问题。目前,资源配置问题大量出现于各种生产过程中,如炼钢连铸生产中分配高炉转炉等问题。现实生产过程中,资源配置优化方案往往需要考虑多个性能指标,即多目标优化问题。近年来,随着多目标优化技术的不断进展,出现了多种多目标处理技术,如加权处理技术、Pareto解集、群体划分技术等。其中,Pareto解集在处理多目标中优势明显,在保持求解质量的同时保证了解的多样性,已成为现行多目标处理的主要技术。目前,求解资源配置问题中呈现了多种智能优化算法,比如遗传算法、蚁群优化算法等,上述求解算法获得了一定质量的决策方案。然而,多目标资源分配问题属于NP难问题,上述算法或者由于收敛过快而陷入“早熟”,或者由于缺乏多样性而不能提供全面的解决方案。迁徙鸟群算法(Migrating Birds Optimization,MBO)是Duman等于2012年提出的一种新的群智能算法[3],该方法模拟迁徙鸟群“V”形队列排列,在搜索过程中可以有效利用位置靠前的迁徙鸟的搜索结果,提高搜索效率。基于上述原理,本专利技术给出了一种求解多目标资源配置问题的迁徙鸟群优化算法。
技术实现思路
本专利技术的目的在于解决上述现有技术中存在的难题,提供一种多目标资源配置方法,提高多目标资源配置的效率。本专利技术是通过以下技术方案实现的:一种多目标资源配置方法,包括:S1:实时获取资源加工能力和需要调 ...
【技术保护点】
一种多目标资源配置方法,其特征在于:所述方法包括:S1:实时获取资源加工能力和需要调度的任务;S2:确定资源配置的目标及约束条件;S3:采用迁徙鸟群优化方法生成多目标资源配置方案;S4:将所述多目标资源配置方案下发到各加工车间进行调度。
【技术特征摘要】
1.一种多目标资源配置方法,其特征在于:所述方法包括:S1:实时获取资源加工能力和需要调度的任务;S2:确定资源配置的目标及约束条件;S3:采用迁徙鸟群优化方法生成多目标资源配置方案;S4:将所述多目标资源配置方案下发到各加工车间进行调度。2.根据权利要求1所述的多目标资源配置方法,其特征在于:所述S1中的资源加工能力和需要调度的任务包括:加工设备或资源M台,需要加工的工件或任务N个,某个工件或任务i,i=1,2,….N,某个资源j,j=1,2,….M,分配资源j给任务i的加工成本cij,分配资源j给任务i的生产效益pij,决策变量xij=1表示资源j分配给任务i;xij=0表示资源j未分配给任务i。3.根据权利要求2所述的多目标资源配置方法,其特征在于:所述S2中的资源配置的目标为: f 1 = m a x Σ i = 1 N Σ j = 1 M p i j x i j - - - ( 1 ) ]]> f 2 = m i n Σ i = 1 N Σ ...
【专利技术属性】
技术研发人员:李俊青,段培永,桑红燕,潘全科,
申请(专利权)人:聊城大学,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。