Fast and exact audit scheduling optimization
本文用线性线性规划研究财务审计人员的成本和时间有效调度问题。调度优化考虑了13个不同的约束条件，员工稀缺，输入数据的频繁更改，需要最大限度地减少生成的调度中的变化，以及缩放问题。我们比较了两个确切的配方的问题，我们发现一个多商品网络流配方是24倍的速度比一个三维配方。交付的实施将第一个计划的时间从3个人工日减少到1小时，计划更新时间从1个人工日减少到4分钟。
2021-09-27 math.OC q-fin.GN
Stochastic Sensor Scheduling via Distributed Convex Optimization
在本文中，我们提出了一个随机调度策略，估计N离散时间线性时不变（DTLTI）动态系统的状态，其中只有一个系统可以观察到的传感器在每个时刻，由于实际的资源限制。我们的随机策略的想法是，一个系统是随机选择的观察在每个时刻根据预先分配的概率分布。我们的目标是找到最佳的预分配的概率，以最小化动态系统之间的最大估计误差协方差。我们首先表明，在温和的条件下，随机调度问题给出了一个上界的最佳传感器选择问题的性能，出了名的难以解决。接下来，我们放松随机调度问题到一个听话的次优准凸形式。然后，我们表明，新的问题可以分解成耦合的小凸优化问题，它可以在一个分布式的方式解决。最后，对于调度的实现，我们提出了基于最优随机解的集中式和分布式确定性调度策略，并提供了仿真例子。
2015-06-22 math.OC
High-Multiplicity Flexible Job Shops: From Exact Recurrent Fluid Attainment to Structure-Guided Finite-Horizon Scheduling
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Shenzhen Research Institute of Big Data（深圳大数据研究院）
针对高多样性柔性作业车间调度问题，研究实现最优流体分配的精确离散调度构造，开发TCTR方法，在676个实例上平均差距1.54%，优于对比算法。
2026-08-21 math.OC
Improved Binary Forward Exploration: Learning Rate Scheduling Method for Stochastic Optimization
CU Boulder（科罗拉多大学博尔德分校）
最近提出了一种新的基于梯度的自动调度学习率的优化方法，称为二进制前向探索（BFE）。此后还讨论了BFE的自适应版本。本文将在此基础上研究改进算法，以优化新方法的效率和鲁棒性。这种改进的方法为调度学习率的更新提供了一个新的视角，并将与随机梯度下降算法（也称为具有动量或Nesterov动量的SGD算法）和最成功的自适应学习率算法（例如Adam）进行比较。该方法的目标不是击败其他方法，而是提供一个不同的视角来优化梯度下降过程。该方法结合了一阶优化和二阶优化在速度和效率方面的优点。
2022-09-22 cs.LG math.OC
Simultaneous mixed-integer dynamic scheduling of processes and their energy systems
日益波动的电力价格使得生产过程及其能源系统需要同步调度优化。同时调度需要考虑过程动态和二进制开/关的决定，在能源系统中，导致具有挑战性的混合整数动态最优化问题。我们提出了一个有效的调度配方由三个部分组成：一个线性规模桥接模型的闭环过程输出动态，数据驱动模型的过程能源需求，和一个混合整数线性模型的能源系统。过程动态离散配置产生的混合整数线性规划（MILP）制定。我们应用进度安排法的三个案例研究：多产品反应器，一个单一的产品反应器，和一个单一的产品蒸馏塔，证明适用于多输入多输出过程。对于前两个案例研究，我们可以将我们的方法与非线性最优化进行比较，并捕获82%和95%的改进。MILP公式实现优化运行时间足够快的实时调度。
2022-03-02 math.OC
Robust Optimization on Unrelated Parallel Machine Scheduling with Setup Times
并行机排序问题由于其重要的理论和实际意义，一直是研究的热点。本文研究了具有顺序相关调整时间的不相关平行机排序问题的鲁棒最大完工时间最优化问题，其中加工时间是不确定的，唯一的知识是它们取值的区间。我们提出了一个鲁棒的最优化模型与最小-最大遗憾准则来制定这个问题。为了解决这个问题，我们证明了最坏的情况下，最大遗憾的一个给定的解决方案属于一个有限集的极端情况。在此理论分析的基础上，提出了获得最大遗憾的过程，并设计了一种增强的遗憾评估方法（ERE）来加速这一过程。提出了一种基于多起点分解的启发式算法（MDH）来解决该问题。高质量的初始解和一个上界检查，以帮助更好地解决问题。计算实验进行证明这些方法的性能。
2020-10-22 math.OC
An adaptive robust optimization model for parallel machine scheduling
针对并行机调度中任务持续时间不确定且可重新调度的问题，本文提出首个可调鲁棒调度的混合整数线性规划模型及两阶段近似启发式算法，以最小化最坏情况下的完工时间，实现更优且更稳定的调度决策。
2021-09-20 math.CO math.OC
Nurse Scheduling Problem via PyQUBO
本研究利用PyQUBO框架，结合模拟退火算法和二次无约束二元优化模型，逐步构建数学公式以解决护士排班问题，旨在平衡人员需求、护士满意度与护理质量，实验验证了方法的有效性，并为其他复杂优化问题提供了新方向。
2024-05-24 math.OC
Tropical optimization problems in time-constrained project scheduling
Faculty of Mathematics and Mechanics, St. Petersburg State University（圣彼得堡国立大学数学力学系）
本文研究时间受限项目调度中的优化问题，通过热带数学方法解决调度问题，提出紧凑向量形式的解法，用于进一步分析和实际应用。
2016-08-28 cs.SY eess.SY math.OC
Boosting Binary Optimization via Binary Classification: A Case Study of Job Shop Scheduling
University of Tennessee（田纳西大学）
许多优化技术连续地评估解决方案，其中下一个评估候选者由先前评估的结果确定。例如，这些包括迭代法、“黑箱”优化算法、模拟退火、进化算法和禁忌搜索，仅举几例。当解决一个优化问题时，这些算法会评估大量的解，这就提出了以下问题：是否有可能使用这些解来了解最优解？在本文中，我们定义这个“学习”的问题，在逻辑回归模型，并探讨其预测精度计算。所提出的模型使用一组解决方案来预测最优解决方案的组成部分。为了说明这种预测的实用性，我们将逻辑回归模型嵌入到禁忌搜索算法中来求解作业车间调度问题。由此产生的框架是简单的实现，但提供了一个显着的提升标准禁忌搜索的性能。
2018-08-31 cs.AI math.OC
Forecast-Enhanced Lyapunov Optimization for Real-Time EV Charging Scheduling
The Chinese University of Hong Kong（香港中文大学）；California Institute of Technology（加州理工学院）
本文提出一种基于预测的Lyapunov优化方法，通过引入虚拟队列和递推控制框架，结合短期预测以减少优化偏差，实现更优的电动汽车充电调度。
2026-10-09 math.OC
Contextual Robust Optimization for AI Data Center Scheduling with Statistical Guarantees
The Chinese University of Hong Kong（香港中文大学）；Peking University（北京大学）
提出一种上下文鲁棒优化框架，通过损失不确定性学习模型和校准算法，处理可再生能源与AI工作负载的预测误差，实现成本降低5.57%并保证可行性。
2026-06-17 math.OC
Optimization Helps Scheduling Nursing Staff at the Long-Term Care Homes of the City of Toronto
多伦多市长期护理之家和服务（LTCH&S）部门是加拿大安大略省最大的长期护理提供商之一，为多伦多10个家庭的2，640名居民提供护理。我们与LTCH&S的合作旨在促进日益具有挑战性的护理人员调度任务，并降低兼职护士的高缺勤率。我们开发了一个基于电子表格的调度工具，自动生成的时间表，并将护士的喜好不同的班次到时间表。调度工具的核心是一个分层优化模型，该模型在满足最大可能需求的同时生成具有最高总偏好得分的可行调度。可行的时间表必须遵守一套复杂的资历要求，优先更高级的护士时，分配可用的班次。我们的日程安排工具在多伦多的一个391张床位的家中实施。该工具允许护理管理人员在一个小时内生成可行的时间表，而现状的手动方法可能需要数十个小时。此外，这些时间表成功地解释了偏好，平均超过94%的分配班次被列为最受欢迎。
2021-02-17 cs.CY math.OC
An overview of optimization approaches for scheduling and rostering resources in public transportation
本文综述了公共交通中车辆调度、乘务人员调度与排班的集成优化方法，分析了现有建模与求解技术，并提出了关注鲁棒性、规律性和公平性等未来研究方向。
2023-10-20 math.OC
Stochastic Optimization Models for a Home Service Routing and Appointment Scheduling Problem with Random Travel and Service Times
本文研究了一个服务和行程时间均不确定的路径选择和预约调度问题。具体来说，给定一组客户在一个服务区域内，运营商需要服务，我们试图找到运营商的路线和时间表。路由和调度决策的质量是总运营成本的函数，包括客户的等待时间，运营商的旅行时间，空闲时间和加班。我们提出并严格分析了一个随机规划模型和两个分布式鲁棒优化（DRO）模型来解决这个问题，假设一个已知和未知的服务和旅行时间分布，分别。我们考虑两种流行类型的DRO模型，即平均支持和1-Wasserstein模糊集的模糊集。我们推导出等效的混合整数线性规划（MILP）的DRO模型，可以实现和有效地解决使用现成的优化软件，从而使从业者使用这些模型。在一个广泛的数值实验中，我们研究了所提出的模型的计算和操作性能，展示了每个模型可以获得显着的性能改进，并获得对问题的见解。
2021-11-19 math.OC
Auction-based and Distributed Optimization Approaches for Scheduling Observations in Satellite Constellations with Exclusive Orbit Portions
ONERA（法国国家航空航天研究中心）
我们调查使用多代理分配技术的问题与地球观测的情况下，多个用户和卫星。我们专注于协调用户预留的独家轨道部分和一个中央计划有几个请求，可能会使用这些独家的一些间隔的问题。我们将此问题定义为对地观测卫星星座调度问题（EOSCSP），并将其映射为一个混合线性规划问题。为了解决EOSCSP，我们提出了基于市场的技术和分布式约束优化（DCOP）的基础上，代理合作分配请求，而不共享自己的时间表的分布式问题求解技术。这些贡献的实验评估随机生成的EOSCSP实例的基础上真正的大规模或高度冲突的观察顺序书。
2021-07-27 cs.AI cs.MA math.OC
Particle Swarm Optimization: Fundamental Study and its Application to Optimization and to Jetty Scheduling Problems
进化算法相对于传统方法的优势已经在文献中进行了大量的讨论。虽然粒子群优化算法具有这些优点，但它们优于进化算法，因为它们需要更低的计算成本和更容易的实现，不涉及算子设计和很少的系数需要调整。然而，即使这些系数的设置的边际变化也会极大地影响群的动态。由于本文不打算研究他们的调整，通用的设置是从以前的研究，几乎相同的算法用于优化各种显着不同的问题。因此，在审查的范式，该算法进行了测试的一组基准函数和工程问题，从文献中。后来，补充行的代码被纳入适应组合优化的方法，因为它发生在调度问题，并解决了一个真实的情况下，使用相同的优化器与相同的设置。其目的是显示该方法的灵活性和鲁棒性，可以处理各种各样的问题。
2021-01-25 cs.NE math.OC
Explicit solution of a tropical optimization problem with application to project scheduling
Faculty of Mathematics and Mechanics, Saint Petersburg State University（圣彼得堡国立大学数学力学系）
本文在热带数学框架下研究了一个新的多维优化问题，通过推导目标函数的严格下界并找到达到该下界的向量，给出了显式解，并应用于准时调度问题。
2013-11-10 cs.SY eess.SY math.OC
An Optimization Model for Scheduling Freight Trains on a Single Rail Track
在许多国家，铁路网络由单线和侧线组成，列车之间发生相互作用（会合，通过）。在本文中，我们研究了这些网络的两个问题：第一，在一个单一的线路走廊，同时确保安全的互动和第二，分配货物的货运列车上的货物，货物的重量，货物的释放日期和重量能力的列车的货运列车的调度。这两个问题必须解决时，检查现实世界的货运训练调度问题。本研究的目标函数为最小化训练的旅行时间，货物分配到货物列车，并减少在目的地的货物延误。调度和分配问题，提出了使用整数线性规划模型。此外，一个完整的新的启发式算法已被提出来解决这些问题。通过生成的数据集显示的计算结果表明模型的验证和效率的启发式算法。启发式算法已被设计为结合实际的铁路运营规则进行适度的修改。虽然它的输出与精确解略有不同，但在大规模问题中，它可以同时求解两个模型。
2019-12-10 math.OC
Biomimicry in Radiation Therapy: Optimizing Patient Scheduling for Improved Treatment Outcomes
本研究将遗传算法、萤火虫优化和狼群优化三种仿生算法应用于放射治疗患者在线随机调度，通过比较收敛时间、运行时间和目标值，发现狼群优化性能最优，可减少人工干预并改善治疗结果。
2024-01-16 cs.NE math.OC
An optimization model for renewal scheduling and traffic flow routing
本文件是研究项目SATT（Samplanering av trafikpåverkande <$tgärder och trafikflöden，modellstudie /临时容量限制和交通流量的协调规划，模型研究）的第三个子报告。该报告总结了所考虑的建模替代方案。模型研究的主要结果是，我们提出了一个双层的方法来处理问题的两个部分，即更新项目的调度和随后的铁路交通流量的调整。这些贡献是：（1）用于调度项目任务的混合整数公式，以及（2）用于在这些项目任务的所施加的容量限制期间建立铁路交通的可能量的网络流公式。该模型的预期用途是用于特定生产年度的经济规划，该规划在生产过程开始之前进行。本文介绍了这个问题，并给出了（1）的完整描述，以及使用该模型进行的计算实验的结果。随附的报告给出了（2）的最终制剂的详细信息。
2021-11-25 math.OC
Comparing Optimization Methods for Radiation Therapy Patient Scheduling using Different Objectives
针对放射治疗人工排程耗时困难的问题，本文构建了IP、CG-IP、约束规划三类优化调度模型，结合多目标对比，经Iridium Netwerk历史数据验证，CG-IP可在1小时内以小于1%的平均最优性间隙求解实例，为放疗自动排程提供通用工具。
2023-05-03 math.OC
The Surprising Agreement Between Convex Optimization Theory and Learning-Rate Scheduling for Large Model Training
Inria（法国国家信息与自动化技术研究所）；PSL Research University（巴黎高等师范学院研究大学）；EPFL（瑞士联邦理工学院）
本文发现大模型学习率调度与非光滑凸优化性能界高度一致，并据此提出延长训练和跨调度迁移最优学习率的调优方法，显著提升124M与210M Llama型模型训练效果。
2025-07-23 cs.LG math.OC stat.ML
Solving a real-world modular logistic scheduling problem with a quantum-classical metaheuristics
本研究针对AGV调度的两个优化模型，对比量子-经典元启发式算法与传统求解器，发现优化方法对建模敏感，量子-经典方法可从新建模方式获益，并给出详细性能对比。
2025-07-29 math.OC quant-ph
Real-time Dynamic-Mode Scheduling Using Single-Integration Hybrid Optimization for Linear Time-Varying Systems
Northwestern University（西北大学）
研究了一类线性时变切换系统的实时模式调度问题。混合控制算法的执行时间对于实时应用来说通常是令人望而却步的，并且通常只能以近似精度为代价来减少。我们解决这个权衡利用系统的线性度，制定一个基于投影的方法，使开环优化过程中不需要模拟。一个数值例子显示了如何建议的开环算法优于采用普通的数值积分技术的方法。此外，我们遵循滚动时域计划应用实时闭环混合控制的定制实验设置，使用机器人操作系统（ROS）。特别是，我们证明-无论是在蒙特卡洛模拟和实验-最优混合控制有效地调节车和悬挂质量系统的实时性。
2017-08-31 cs.RO math.OC
Linear Optimization over a Polymatroid with Side Constraints -- Scheduling Queues and Minimizing Submodular Functions
多类调度系统的调度和最小化次模函数这两个看似不相关的问题，通过一方面以次模集函数为特征，另一方面又代表调度系统性能多胞形的多拟阵有着相当深的联系.我们首先开发了一个我们称之为{ \it grouping}的算法，它解决了边约束下的排序问题，计算工作量为$O(n^3LP(n))$，$n$是作业类的数量，LP（n）是求解不超过$n$变量和$n$约束的线性规划的计算工作量。该算法将作业类组织成组，并将最优策略确定为跨组的优先级规则和每个组内的随机规则（以强制执行侧约束）。然后，我们应用分组算法的次模函数最小化，后者映射到一个调度问题的侧约束。%每次应用该算法时，它识别一个子集;并且我们表明可以通过应用分组算法$n$次来识别最小化子集。因此，这导致一个算法，最小化一个次模函数的努力$O(n^4LP(n))$。
2008-05-09 math.OC
Stellar Observation Scheduling Optimization for Distributed Space Interferometry Missions
Stanford University（斯坦福大学）
针对分布式空间干涉测量任务，提出多目标动态规划方案，利用任务设计见解优化燃料消耗与科学成果平衡，考虑多种条件生成全局最优策略，是多目标优化在该领域的首次应用。
2026-07-14 astro-ph.EP astro-ph.IM math.OC
Joint Optimization of Service Routing and Scheduling in Home Health Care
针对家庭医疗保健中护理人员路线与预约时间联合优化问题，提出VRASP模型及随机扩展，并设计VNS启发式算法，实验证明其优于确定性方法和CPLEX，提升运营效率。
2025-05-26 math.OC
Tropical optimization technique in bi-objective project scheduling under temporal constraints
我们考虑一个项目，它由一组并行执行的活动的约束下，他们的开始和完成时间，包括开始-完成优先关系，发布开始时间，发布结束时间，和最后期限。感兴趣的问题是决定的最佳时间表的活动，以最大限度地减少所有活动的最大流时间，和项目的完工时间。我们制定这些问题作为双目标最优化问题在热带数学的框架，研究理论和应用的代数系统与幂等运算，并在管理科学和运筹学的各种应用。然后，使用的方法和技术的热带优化允许导出完整的帕累托-最优解的问题，在一个直接明确的形式准备进一步分析和简单的计算。我们讨论了解的计算复杂性，并给出了说明性的例子。
2020-07-09 cs.SY eess.SY math.OC
Hierarchical planning-scheduling-control -- Optimality surrogates and derivative-free optimization
针对化工企业多层级规划-调度-控制集成问题，提出结合最优性替代与无导数优化并保留启发式回退的混合方法，实现可处理性与精度平衡。
2023-10-11 cs.CE math.OC
Mathematical optimization models for long-term maintenance scheduling of wind power systems
在风电场的寿命期间，会产生各种类型的成本。风力发电场的运营成本的很大一部分是由于风力涡轮机设备的维护;这些成本对于海上风力发电场尤其明显，并为风能行业提供了商机。维护活动的有效调度可以降低与维护相关的成本。我们结合预防性维护计划的数学建模与纠正性维护策略。我们进一步考虑风电场所有者与维护或保险公司之间以及涡轮机寿命的不同阶段和合同期内的不同类型的合同。我们的预防性和纠正性维护组合模型随后应用于涡轮机寿命阶段和合同类型的相关组合。我们的案例研究表明，即使有相同的初始标准，最优的维护计划之间的不同阶段的时间以及合同类型。一个案例研究表明，40%的成本降低和显着更高的生产可用性- 1.8%点-实现了我们的最优化模型相比，一个纯粹的纠正性维护策略。另一项研究表明，风电场计划的预防性维护次数随着关于补偿损坏部件费用的保险合同的增加而减少。
2021-05-14 math.OC
A hybrid generalized extremal optimization algorithm for the quay crane scheduling problem with interference constraints
码头起重机调度问题（QCSP）确定了一组起重机分配给集装箱船，使船舶的服务时间最小化的船舶海湾的任务的处理顺序。为了克服该问题的NP-困难性，已经提出了许多算法或元算法来获得接近最优解。在本文中，广义极值优化（GEO）的思想适用于解决QCSP关于各种干扰约束。由此产生的GEO被称为修改的GEO。在执行修改的GEO中，开发了一种用于相邻任务到QC分配到现任任务到QC分配的随机搜索方法。此外，采用单向搜索解码方案将任务到QC分配转换为主动岸桥调度。开发的GEO的有效性进行了测试的一套基准问题引入的\citet{KimPark2004}。实验结果表明，与其他已知的方法相比，该方法能够在合理的时间内获得最优或接近最优解，特别是对于大规模问题.
2013-07-14 math.OC
A Decomposition Method by Interaction Prediction for the Optimization of Maintenance Scheduling
优化检修计划是提高水电厂运行性能的重要问题。我们研究同一个家庭的几个物理组件的系统：无论是一套涡轮机，一套Transformers或一套发电机。这些组件共享一个共同的备件库存，并根据已知的故障分布经历随机故障。我们寻求一个确定性的预防性维护策略，最大限度地减少预期成本取决于维护和强制停机的系统。利用辅助问题原理将原大规模最优化问题分解为一系列独立的、维数较小的子问题，同时保证子问题之间的协调。每个子问题包括在优化维护一个单一的组成部分。分解协调技术是基于变分技术，但维修最优化问题是一个混合整数问题。因此，我们放松了系统的动力学和费用函数。所得到的算法迭代求解松弛系统上的子问题与黑箱方法和协调的组件。松弛因子对优化有重要影响，必须适当选择。一个可接受的维修策略，然后来自松弛问题的解决方案。我们将分解算法应用于一个有80个组件的系统。它优于直接应用于原始问题的参考黑盒方法。
2021-05-06 math.OC
Self-Scheduling Robust Preview Controllers for Path Tracking and Autonomous Vehicles
在本研究中，我们在线性矩阵不等式（LMI）的架构下，利用线性二次型$H_\infty$鲁棒最优化方法设计增益调度控制器。控制器的目的是自动驾驶车辆的转向控制。首先建立了线性变参数（LPV）车辆模型，并综合了具有不确定性和标称对象的鲁棒控制器。我们选择静态输出和状态反馈控制器的结构，以避免高阶控制器考虑到实现问题。在有无特征值位置约束的情况下，采用不同的LMI公式和优化权值，解决了鲁棒控制问题。结果进行了比较。
2020-10-29 math.OC
Bayesian Optimization with Dimension Scheduling: Application to Biological Systems
Imperial College London（伦敦帝国理工学院）；INRA（法国国家农业研究院）
贝叶斯优化（BO）是一种数据高效的方法，用于评估适应度函数的全局黑箱优化。BO通常假设BO的计算成本很便宜，但实验是耗时或昂贵的。在实践中，这使我们能够在多达1,000个实验中优化10个或更少的关键参数。但实验可能比BO方法假设的更便宜：在一些模拟模型中，我们可能能够在几个小时内进行数千次实验，与实验时间相比，BO的计算负担不再可以忽略不计。为了解决这一挑战，我们引入了一个新的维度调度算法（DSA），它减少了许多实验的BO的计算负担。关键思想是DSA在每次迭代中仅沿着一小部分维度优化适应度函数。这种DSA策略（1）减少了必要的计算时间，（2）比传统的BO方法更快地找到好的解决方案，以及（3）可以直接并行化。我们评估的DSA的微藻代谢的动态模型的参数优化的背景下，比传统的BO显示更快的收敛。
2015-11-17 cs.AI cs.LG math.OC
Multi-Area Interchange Scheduling under Uncertainty
研究了系统不确定性条件下的多区域立交调度问题。提出了一种基于随机最优化的多代理总线系统的调度方法，该方法捕捉了可再生能源发电和随机负荷的不确定性。特别是，所提出的算法迭代优化的接口流使用多维的需求和供应功能。最优性和收敛性保证同步和异步调度下标称假设。
2016-11-15 math.OC stat.AP
Optimization over Trained Neural Networks: Difference-of-Convex Algorithm and Application to Data Center Scheduling
针对含神经网络近似的优化难题，提出带ReLU惩罚的双线性重构方法与原则性惩罚选择的凸差算法，应用于数据中心电力调度，在拥塞场景下实现显著成本节约。
2025-03-21 cs.SY eess.SY math.OC
