用于受资源约束多项目调度的改进遗传规划算法优化方法技术

本发明专利技术公开了用于受资源约束多项目调度的改进遗传规划算法优化方法，包括以下步骤：步骤1：初始化参数、功能集和属性集；步骤2：收集不同工况下的项目集数据，并将其分解为训练集和测试集；步骤3：提取训练集中各工况项目集中的项目信息作为训练输入，提取功能集和属性集作为编码依据，对改进遗传规划算法中的种群进行训练；步骤4：判断是否达到训练集最大工况数，若是则输出种群中的最优解集，若否则变换项目集后，返回步骤3；步骤5：采用测试集和训练集对步骤4输出的最优解集进行测试；本发明专利技术能够对单/多目标下的受资源约束多项目调度问题进行求解，改善传统遗传规划容易陷入局部最优的缺陷，提高遗传规划的搜索和训练能力。

An improved genetic programming algorithm for resource constrained multi project scheduling

【技术实现步骤摘要】
用于受资源约束多项目调度的改进遗传规划算法优化方法
本专利技术涉及智能优化算法
，具体涉及一种用于受资源约束多项目调度的改进遗传规划算法优化方法。
技术介绍
资源受限项目调度问题(ResourceConstrainedProjectSchedulingProblem，RCPSP)是项目管理中最为经典和核心的NP难问题。但是资源受限项目调度问题并不完全适用众多复杂的实际应用场景，需要从不同方面对其进行扩展，如多目标下资源受限项目调度问题优化、多模式资源受限项目调度问题优化等。其中资源受限多项目调度问题(ResourceConstrainedMulti-projectSchedulingProblem，RCMPSP)是最广泛的扩展模式之一。近年来，针对资源受限多项目调度问题，众多学者对其求解方法做了大量研究，其中主要以基于元启发使的智能算法为主。遗传算法、多智能体系统、关键链技术等相关技术均被应用于求解和性能分析对比。元启发式智能算法虽然具备良好的优化能力和搜索能力，但存在以下缺点：(1)随着问题规模的扩大，求解精度的稳定性变差，调度本文档来自技高网...

【技术保护点】
1.一种用于受资源约束多项目调度的改进遗传规划算法优化方法，其特征在于，包括以下步骤：/n步骤1：初始化参数、功能集和属性集；/n步骤2：收集不同工况下的项目集数据，并将其分解为训练集和测试集；/n步骤3：提取训练集中各工况项目集中的项目信息作为训练输入，提取功能集和属性集作为编码依据，对改进遗传规划算法中的种群进行训练；/n步骤4：判断是否达到训练集最大工况数，若是则输出种群中的最优解集，若否则变换项目集后，返回步骤3；/n步骤5：采用测试集和训练集对步骤4输出的最优解集进行测试。/n步骤3中的训练过程如下：/nS11：计算项目集中各活动属性值；/nS12：判断是否为第一个项目集，若是则根据...

【技术特征摘要】
1.一种用于受资源约束多项目调度的改进遗传规划算法优化方法，其特征在于，包括以下步骤：
步骤1：初始化参数、功能集和属性集；
步骤2：收集不同工况下的项目集数据，并将其分解为训练集和测试集；
步骤3：提取训练集中各工况项目集中的项目信息作为训练输入，提取功能集和属性集作为编码依据，对改进遗传规划算法中的种群进行训练；
步骤4：判断是否达到训练集最大工况数，若是则输出种群中的最优解集，若否则变换项目集后，返回步骤3；
步骤5：采用测试集和训练集对步骤4输出的最优解集进行测试。
步骤3中的训练过程如下：
S11：计算项目集中各活动属性值；
S12：判断是否为第一个项目集，若是则根据功能集和属性集进行树状基因编码从而随机初始化种群，若否提取上个项目的迭代种群；
S13：对种群解码生成相应的优先级规则，并根据优先级规则计算问题的目标函数值；
S14：对种群进行评估，计算虚拟适应度函数；
S15：进行遗传规划中的遗传算子操作；
S16：采用多样性更新方式进行种群进化；
S17：判断是否达到最大迭代次数，若是则输出种群，若否则返回步骤S13。


2.根据权利要求1所述的一种用于受资源约束多项目调度的改进遗传规划算法优化方法，其特征在于，所述步骤S14中对种群进行评估的过程如下：
S21：根据种群中个体计算目标函数值，将整个种群进行分支配解分层，同层的解为非支配关系，不同层级解的关系如下：
G1＞...＞Gz＞...＞Gm
式中：Gz为属于第z非支配层的优先级规则集合，m为最大非支配层数，z＝{0,1,…,m}；
S22：计算相同层级各优先级规则间的拥挤距离；
首先，根据优先级规则计算其目标函数值，其次根据下式计算基于不...

【专利技术属性】
技术研发人员：张剑，陈浩杰，江磊，蔡玮，谭光鑫，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51