一种基于遗传算法的作业车间调度问题的解决方案，陈浩哲，王晨升，作业车间调度问题(job shop scheduling problem，JSP)是复杂调度问题类型之一，有十分重要的研究意义和工程价值。本文以标准遗传算法为基础�

叫车 调度问题的解决方案

安全技术-网络信息-烟台港集疏运拖车网络车辆调度问题研究.pdf

为了有效地解决水火电力系统资源短期优化调度问题，提出了一种基于差分进化粒子群的调度算法。设计了水火电力系统资源调度问题的数学模型，给出了差分进化粒子群优化算法的框架，通过PSO种群和DE种群之间的信息交流机制以寻求全局最优位置，从而使算法具有动态自适应性，能够较容易地跳出局部最优。实验结果表明，该算法能有效解决水火发电资源调度问题，具有较好的应用价值。

安全技术-网络信息-时变网络环境下车辆调度问题研究.pdf

【优化调度】改进粒子群算法求解微电网优化调度问题matlab源码

matlab源码

为解决多模式资源约束项目调度问题，提出了一种混合遗传算法的求解方法。该算法采用二维编码方法来表示问题的解，基因的值表示任务的优先权和执行模式，每条染色体对应一个满足逻辑关系约束的可行任务排序，根据染色体所对应的任务调度顺序和执行模式序列可以获得一个满足资源约束的项目调度方案。应用该编码方法进行选择、交叉和变异等遗传操作，能够使搜索范围遍及整个问题解空间。实际应用表明，该算法能快速求得问题的最优解或近似最优解。

：本题为带软时间窗的单线路单车型的公交调度问题，针对其多目标、多变量的动态特点，我们为满足不同的实际需 求建立两个多目标规划模型：双车场模型和单车场模型。双车场模型的主要目标是使运客能力与运输需求（实际客 运量）达到最优匹配，单车场模型的主要目标是使乘客的平均不方便程度和公交公司的成本达最小，其目的都是为 了兼顾乘客与公司双方的利益。两个模型的主体都是采用时间步长法，模拟实际的运营过程，从而得出符合实际要 求的调度方案：静态调度和动态调度方案。

电力系统经济调度问题是电力系统中的一个重要的研究课题,针对该问题,提出一种改进粒子群优化(ODPSO)算法.改进算法在搜索前期,采用广义的反向学习策略,使算法能够快速地靠近较优的搜索区域,从而提高收敛速度;在搜索后期,借鉴差分进化算法的进化机制设计改进的变异和交叉策略,对当前种群的最优粒子进行更新,从而提高种群的多样性,进而协助算法获得全局最优解.为了验证改进粒子群优化算法的有效性,对CEC2006提出的22个基准约束测试函数进行仿真,结果表明改进算法相比其他算法在寻优精度和稳定性上更具优势.最后,将改进算法应用于考虑机组爬坡速率约束、机组禁行区域约束以及电力平衡约束的两个电力系统经济调度问题,取得了令人满意的结果.