基于供需关系的优化调度算法及其应用
电力系统中的电力供需调度与优化方法
电力系统中的电力供需调度与优化方法随着电力行业的快速发展，电力供需调度与优化方法的研究也日益引起人们的重视。
电力供需调度是指通过合理地调度电力资源，使得电力供应能够满足电力需求，同时降低供电成本和优化系统运行。
本文将从电力供需调度的背景和目标，以及目前应用的一些优化方法等方面进行探讨。
1. 背景随着工业化进程的加快和人们对生活质量的要求不断提高，电力需求呈现出快速增长的趋势。
然而，由于电力资源的有限性和不稳定性，以及能源的环境危害性，电力供应与需求之间的平衡变得十分困难。
因此，电力供需调度问题的解决变得至关重要。
2. 目标电力供需调度的主要目标是实现电力供应与需求之间的平衡，以确保系统的可靠性和稳定性。
同时，优化电力供需调度还可以降低电力消耗和节约能源，从而降低供电成本。
因此，电力供需调度的优化方法势必会显著提高电力系统的效率和可持续发展水平。
3. 优化方法目前，有许多优化方法被应用于电力供需调度中。
以下是其中一些常见方法的简要介绍：（1）基于模型的优化方法：这种方法通过建立数学模型来描述电力系统，并利用优化算法求解最佳方案。
例如，线性规划和整数规划等方法可以用于解决电力调度问题。
这种方法可以提供较为准确的结果，但计算复杂度较高。
（2）启发式算法：启发式算法是一种基于经验和直觉的方法，通过不断试错搜索最佳解决方案。
例如，遗传算法和模拟退火等算法可以用于求解电力调度问题。
这种方法具有计算速度快、易于实现等特点，但结果的准确性不如模型方法。
（3）机器学习方法：机器学习方法是一种基于数据和统计学习的方法，通过分析历史数据来生成预测模型，并利用该模型来做出决策。
例如，支持向量机和神经网络等方法可以用于预测电力需求，并辅助电力调度决策。
这种方法可以自适应地学习系统的变化和模式，并提供实时的优化结果。
4. 实施挑战尽管有许多优化方法可以应用于电力供需调度中，但实施这些方法仍然面临一些挑战。
首先，电力系统的复杂性使得建立准确的模型非常困难。
供应链管理中的供需匹配与调度优化研究
供应链管理中的供需匹配与调度优化研究随着全球商业和供应链的发展，供应链管理变得越来越重要。
在供应链管理中，供需匹配和调度优化是两个关键方面。
供需匹配是指将供应链中的供应与需求进行适配，以确保产品能够按时交付给客户，同时避免过度库存和产品延迟的问题。
而调度优化则是指对供应链中的资源进行合理的分配和调度，以提高生产的效率和减少成本。
在供需匹配方面，供应链管理者需要准确预测产品需求，并确保供应链中的供应能够满足这些需求。
这需要对市场趋势、消费者行为和竞争对手的动态进行准确分析，并基于这些数据制定准确的需求预测模型。
一旦需求预测准确，供应链管理者就可以采取相应的措施来确保供应能够满足需求。
这可能包括与供应商建立稳定合作关系、建立供应链中的缓冲库存以及灵活调整生产能力。
此外，供应链管理者还可以利用现代技术，如物联网和大数据分析，来实时监控供应链中的需求和供应，并及时做出调整。
调度优化是另一个重要的供应链管理方面。
调度优化涉及到对供应链中的资源进行合理的分配和调度，以确保最高效率的生产和配送。
供应链中的资源包括人员、设备、原材料和运输等。
在调度优化中，供应链管理者需要根据产品的特性、市场的需求和资源的可用性，制定合理的调度计划。
这可能包括确定最佳的生产批量、优化运输路线和时间、合理安排人员工作等。
通过调度优化，供应链管理者可以实现生产成本的最小化、交付时间的最短化和资源利用率的最大化。
为了实现供需匹配和调度优化，供应链管理者需要加强与供应商和合作伙伴之间的沟通和协调。
供应链管理是一个协同的过程，需要不同环节的参与者共同努力。
供应链管理者应建立稳定的合作关系，与供应商共享信息并制定共同的目标和计划。
通过有效的沟通和协调，供应链管理者可以减少信息滞后和误解，提高供需匹配和调度优化的效果。
另外，现代技术的应用也对供需匹配和调度优化起着重要的作用。
如今，物联网和大数据分析技术可以实时监测供应链中的所有环节，并提供准确的数据分析和预测。
电力系统能源管理中的优化算法设计与应用
电力系统能源管理中的优化算法设计与应用随着社会的发展和技术的进步，电力系统的能源管理越来越受到人们的关注。
电力系统能源管理的目标是通过优化算法的设计与应用，实现能源资源的高效利用，提高电力系统的运行效率和经济性。
本文将从优化算法的设计和应用两个方面，探讨电力系统能源管理中的优化算法的重要性和作用。
一、优化算法的设计优化算法是解决多变量、多约束问题的有效工具，它以寻找全局最优解为目标。
在电力系统能源管理中，优化算法能够通过对电力系统中各个组件、节点的参数进行调整和优化，实现电力系统整体性能的最优化。
下面介绍几种常见的优化算法：1. 遗传算法遗传算法是一种模拟自然进化过程的优化算法。
通过对解空间中的个体进行选择、交叉和变异操作，不断迭代搜索，最终找到最优解。
在电力系统能源管理中，遗传算法可以应用于电力负荷调度、电力市场交易等方面，优化能源的分配和调度过程。
2. 粒子群算法粒子群算法是一种模拟鸟群或鱼群迁移行为的优化算法。
通过模拟每个个体的位置和速度，寻找最优解。
在电力系统能源管理中，粒子群算法可以应用于电力系统的输电线路优化调度、电力系统的设备状态优化等问题，优化系统的运行效率和成本。
3. 模拟退火算法模拟退火算法是一种模拟金属退火过程的优化算法。
通过模拟退火过程中的温度变化和能量变化，以概率的方式接受较差的解，避免陷入局部最优解。
在电力系统能源管理中，模拟退火算法可以应用于电力系统的电压控制、电力系统的最优网架设计等问题，优化电力系统的稳定性和可靠性。
二、优化算法的应用优化算法在电力系统能源管理中的应用非常广泛，涉及到电力系统的各个领域和环节。
下面列举几个典型的应用场景：1. 电力负荷调度电力负荷调度是电力系统能源管理的关键环节之一。
通过优化算法对电力系统中的电力负荷进行合理分配和调度，可以实现电力供需平衡，提高电力系统的运行效率和经济性。
优化算法可以根据电力负荷的变化情况，动态调整各个发电机组的出力和电力的供给方式，以最小化系统的总成本和损耗。
高效能源体系中的供需调度与优化
高效能源体系中的供需调度与优化随着全球经济的快速发展和能源需求的不断增加，建立高效能源体系成为了全球范围内的共同目标。
为了在保障能源供应的同时实现对资源的最优利用，供需调度与优化成为了能源体系的关键组成部分。
本文将探讨高效能源体系中供需调度与优化的方法与挑战。
一、供需调度在高效能源体系中的作用供需调度是指在不同时间段对能源供需进行合理分配和调整，以实现能源的高效利用和节约。
在高效能源体系中，供需调度的作用不可忽视。
首先，供需调度可以平衡能源供求。
能源的需求和供给往往不完全匹配，高效能源体系需要通过供需调度实现能源的平衡。
通过合理安排能源的供给和调度，可以避免能源的浪费和过剩，同时满足用户对能源的需求。
其次，供需调度可以提高能源利用效率。
高效能源体系的目标是充分利用能源资源，最大限度地提高能源利用效率。
通过供需调度，可以优化能源的分配方式，减少能源的损耗，提高能源的利用效率。
最后，供需调度还可以实现能源的优化配置。
能源资源有限，需要合理配置和调度，以满足不同领域的需求。
通过供需调度，可以将有限的能源资源分配给各个领域，并根据实际需求进行灵活调整，实现能源的优化配置。
二、供需调度与优化的方法在高效能源体系中，供需调度与优化的方法多种多样。
以下为几种常见的方法：1. 基于市场机制的供需调度基于市场机制的供需调度是一种常见的方法。
该方法通过建立能源市场，以供需关系为基础，通过价格等手段调整供需平衡。
参与市场交易的各方可以根据实际需求和供给情况进行能源交易，以实现供需的合理调度。
2. 能源储备和调度能源储备和调度是一种常见的供需调度方法。
通过建立能源储备体系，将能源储备在关键时刻进行调度，以满足供需平衡的需要。
该方法可以提高能源的可靠性和响应能力，确保能源供应的稳定性。
3. 智能电网技术智能电网技术也是一种重要的供需调度与优化方法。
通过建立智能电网系统，可以实现对能源供需的实时监测和调整。
智能电网可以根据实际能源需求和供给情况进行动态调整，实现能源的高效利用和分配。
优化生产调度算法与调度工具应用
优化生产调度算法与调度工具应用在现代工业生产中，提高生产效率和资源利用率一直是企业追求的目标。
而生产调度就是一个关键环节，它能够合理安排生产任务、优化资源配置，使企业能够在有限的资源条件下实现最大产出。
因此，优化生产调度算法和应用调度工具变得至关重要。
一、优化生产调度算法优化生产调度算法的目标是寻找一个最优的生产任务执行顺序，以实现最佳的资源利用和生产效率。
下面介绍几种常见的优化算法。
1. 贪心算法贪心算法是一种简单而有效的算法，它每次选择当前状态下最优的决策，而不考虑全局最优。
在生产调度中，贪心算法可以根据任务的优先级和处理时间进行排序，然后依次进行调度。
这种算法相对简单，计算速度快，但可能无法达到最优解。
2. 遗传算法遗传算法是一种模拟生物进化过程的优化算法，它通过模拟自然选择、交叉和变异等过程来搜索最优解。
在生产调度中，遗传算法可以将任务序列表示为一个染色体，通过不断迭代和优胜劣汰的方式逐步优化调度结果。
遗传算法适用于复杂的生产调度问题，但计算复杂度较高。
3. 模拟退火算法模拟退火算法是一种模拟固体物质退火过程的优化算法，它通过接受劣解的概率来避免陷入局部最优解。
在生产调度中，模拟退火算法可以通过定义一个能量函数来衡量调度的质量，然后通过随机扰动当前解并根据一定的概率接受新解或者保留当前解。
这种算法可以跳出局部最优解，但计算时间较长。
二、调度工具应用优化生产调度算法需要借助专门的调度工具来实现，下面介绍几种常用的调度工具。
1. Gantt ChartGantt Chart是一种直观的图表工具，可以将任务以条形图的形式显示出来，清晰地展示任务的开始时间、结束时间和持续时间。
通过使用Gantt Chart，生产调度人员可以更好地了解任务之间的关系，帮助他们合理安排任务顺序。
2. PERT图PERT图是一种用来描述项目任务和任务之间关系的图表工具，可以体现任务的并行关系和依赖关系。
通过使用PERT图，生产调度人员可以更好地理解任务之间的制约条件，帮助他们合理安排任务的执行顺序，并尽量避免资源冲突和瓶颈。
电力系统中的供需平衡调度与优化研究
电力系统中的供需平衡调度与优化研究电力系统是现代社会不可或缺的基础设施，而电力供需平衡调度与优化研究则是保障电力系统正常运行和高效利用能源的关键。
本文将从供需平衡调度和优化两个方面对电力系统进行探讨，并借助实例说明相关技术的应用。
电力系统的供需平衡调度是指根据用户需求和能源供应情况，在时间和空间上合理安排电力的发电、输送和消费，以保障电力系统的可靠性和经济性。
其核心任务是通过合理调度发电机组、输电线路和负荷，使得电力供需平衡，最大限度地满足用户需求。
供需平衡调度的研究关注的主要问题包括短期负荷预测、电力市场交易、机组组合和出力分配、网络约束等。
首先，短期负荷预测是供需平衡调度的基础。
由于电力系统的负荷是时刻变化的，准确预测负荷可以为电力系统的运行提供重要参考，有助于合理调度发电机组。
常见的负荷预测方法包括经验模式分解法、人工神经网络、支持向量机等。
例如，利用支持向量机建立负荷预测模型，可以根据历史数据和实时数据来预测未来一段时间的负荷状态，从而为电力系统的供需平衡调度提供参考。
其次，电力市场交易是实现供需平衡调度的重要机制。
电力市场交易基于供需双方的自愿交易原则，通过定价和竞价机制将电力供给和需求进行匹配。
供需匹配的结果可以决定电力的购买和销售价格，影响电力市场的竞争格局。
电力市场交易的研究主要包括市场机制设计、市场竞争行为分析和市场运行与监管等方面。
例如，某国电力市场改革中，采用双边竞价模式，参与交易的发电企业和购电商共同确定交易的电价和电量，以实现供需平衡。
供需平衡调度的另一个方面是对电力系统的优化。
电力系统的优化研究旨在实现电力系统的经济性和高效性，提高能源的利用效率。
优化方法可分为基于规划和调度两个层面。
规划层面的优化研究主要包括电力系统的规划、布局和配置问题，例如电网规模和结构设计、新能源的接入和分布式发电的布局等。
调度层面的优化研究则关注电力系统的实际运行，通过合理调度发电机组和负荷来实现能源的最优分配。
智能电网技术中电力优化调度的使用教程
智能电网技术中电力优化调度的使用教程智能电网是一种基于先进技术的电力系统，通过将传统电力系统与信息通信技术相结合，实现电力的高效管理和优化调度。
其中，电力优化调度是智能电网的核心技术之一。
本文将详细介绍智能电网技术中电力优化调度的使用教程。
一、电力优化调度的概念和目标电力优化调度是指在智能电网中，根据用户需求、电力系统状态和能源资源状况，通过合理的调度和优化算法，实现电力供需的平衡和电力资源的高效利用。
其目标是提高电力系统的可靠性、灵活性和经济效益。
二、电力优化调度的基本原理电力优化调度主要基于以下原理：1. 智能感知：通过传感器和智能设备，实时感知电力系统的负荷、能源供应和环境条件等信息。
2. 数据采集和处理：将感知到的数据采集并传输给智能电网系统，通过数据处理和分析，获取电力系统的状况和需求。
3. 智能算法：根据电力系统的状况和需求，运用智能算法进行调度和优化。
常用的智能算法包括遗传算法、模糊控制、人工神经网络等。
4. 优化决策：根据智能算法的结果，做出优化决策，包括电力供应的调整、电力负荷的管理等，实现电力系统的优化配置。
三、电力优化调度的关键技术1. 电力负荷预测：通过历史负荷数据和预测模型，预测未来一段时间内的电力负荷，为调度决策提供依据。
2. 能源资源管理：根据能源供应情况和环境约束，实现对电力资源的合理调度，包括电力的分配、能源存储的管理等。
3. 电力供应和配电网络的规划：根据用户需求和电力系统状态，优化电力供应和配电网络的规划，包括电力线路的布局、变电站的选址等。
4. 电力市场交易：在智能电网中，通过电力市场交易机制，实现电力的优化分配和交易，提高电力市场的效率。
四、电力优化调度的使用教程1. 数据采集和处理在智能电网中，数据采集和处理是电力优化调度的基础。
采集的数据包括电力负荷、能源资源、环境条件等。
这些数据可以通过传感器和智能设备进行实时采集，然后传输给智能电网系统。
在数据处理过程中，可以采用相关的数据分析算法，处理获取到的数据，得到电力系统的状态和需求等信息。
电力系统供需优化调度算法研究与应用
电力系统供需优化调度算法研究与应用随着社会经济的不断发展，电力需求量日趋增长，电力系统供需平衡的问题也日益突出。
如何在可接受的范围内实现电力供需的优化调度成为一个备受关注的课题。
本文将对电力系统供需优化调度算法进行研究并探讨其应用。
1. 电力系统供需问题电力系统供需问题是指如何在各种不确定性影响下保持电力供需平衡的问题。
供需平衡是指电力系统的供应能够满足用户的需求。
现代电力系统中，供需平衡需要考虑到各种因素，包括用户负荷的突变、发电设备的故障、输电线路的限制等。
因此，如何制定一种有效的调度算法，保证电力供需的平衡，成为一个重要的研究方向。
2. 电力系统供需优化调度算法研究方法2.1. 负荷预测负荷预测是电力系统供需优化调度的基础。
通过对历史负荷数据的分析和预测模型的建立，可以预测未来一段时间内的负荷变化趋势。
常用的负荷预测方法包括时间序列分析、人工神经网络、支持向量机等。
在电力系统供需优化调度算法中，负荷预测可以帮助决策者合理制定电力调度策略，以满足未来需求。
2.2. 发电机组组合优化发电机组组合优化是指在保证电力供应的前提下，选择合适的发电机组合，以最大程度降低燃料成本或其他经济指标。
传统的发电机组组合优化算法常采用遗传算法、蚁群算法等启发式算法，通过搜索发电机组的最优组合方式，实现供电成本的最小化。
2.3. 输电线路优化输电线路是将发电厂产生的电能输送至用户的重要环节。
在电力系统供需优化调度中，输电线路的合理规划和调度对于实现供需平衡和线路安全运行意义重大。
线路规划优化问题可以通过整数规划、图论等方法解决；线路调度问题可以通过基于模型预测控制、遗传算法等方法实现。
3. 电力系统供需优化调度算法的应用在现实世界中，电力系统供需优化调度算法已经得到了广泛的应用。
下面以具体应用案例介绍：3.1. 新能源消纳优化随着新能源的快速发展，电力系统的低碳化和清洁化已经成为一个重要的目标。
然而，新能源消纳带来了电力系统的不确定性，给供需平衡带来了挑战。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3. 算法应用
3.1. 算例 1
组资源需求量为 C = [15, 6,30,15,13,18] ，现需对 6 个地区的物资进行分配，得出最终的分配矩阵。
DOI: 10.12677/orf.2018.83010 79
现设有 A1 , A2 , A3 , A4 , A5 , A6 ， 6 个地区， 用 MATLAB 随机产生一组资源产量 P = [10,8, 23, 21,9, 20] 和一
Operations Research and Fuzziology 运筹与模糊学, 2018, 8(3), 77-82 Published Online August 2018 in Hans. /journal/orf https:///10.12677/orf.2018.83010
资。根据所分配的物资的损耗最低为标准，本文初步建立如下的资源优化数学模型： 目标函数为：
= min C
约束条件为：
m ∑ ∑ xij − C j = j 1= i1
m
2
(1)
m ∑ xij = Pi , i 1, = 2,3, , m; j 1, 2,3, , m =1 j= x ≥ 0 ij
表达式(1)括号中的含义是：其他地方调配到第 j 地方的总量 ∑ xij 与其需求量之差，目标函数表示的
i =1
m
意思是这种差的平方要达到最小，即分配物资的损耗最低。针对目标问题(1)，我们下面给出了具体的算 法步骤。
2.2. 优化调度模型的算法步骤
( C1 , C2 , C3 , , Cm )
具体步骤如下：
配 Pi , Ci , ( i = 1, 2, , m ) 的值，才能使得生产地的资源既能满足自身的需求，又能合理的分配给其他需要的
地区。 本文对于供需关系的资源分配问题， 建立了多目标规划模型， 并给出了资源分配的一种求解算法， 最后，给出了供需关系的资源调度的 2 个实例。
2. 优化调度算法
2.1. 优化调度模型建立
计算分配矩阵的步骤如下： 现已知这 6 个地区的资源产量为 P = [10,8, 23, 21,9, 20] ，资源需求量为 C = [15, 6,30,15,13,18] 。 步骤 1：判断资源产量 Pi 是否等于资源消费量 Ci ， i = 1, 2, , 6 。由已知可知，这 6 个地区的资源产 量与需求量显然不均衡，故需进行调配。 步骤 2：计算资源产量 Pi 与资源消费量 Ci 的差值，可得 value = [ −5, 2, −7,8, −4, 2] 。进一步，分别用 bigger 记录资源产量大于消费的地区数为 3，smaller 记录资源消费量大于产量的地区数为 3。 步骤 3：根据 bigger 和 smaller 的大小，确定需要调配的个数为 3 个。 步骤 4：以供给地和需求地两者的最小者对资源进行分配，
夏杰 等
用多目标优化建立了优化调度模型，并给出了求解资源优化调度的算法和具体操作步骤。最后，给出了 2个实例进行验证分析。
关键词
供需关系，资源优化调度，目标规划，调度算法
Copyright © 2018 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
运ห้องสมุดไป่ตู้与模糊学
夏杰 等
开始 输入产量 Pi 和需求量 Ci 判断 Pi 是否 等于Ci 是
否
计算Pi 和Ci 的值，得出value 用bigger和samller分别记录供给 地和需求地的数量 根据分配原则，对资源进行分配 是 判断分配矩 阵是否变化 否
调配完成 结束
Figure 1. Flow chart of optimization model algorithm 图 1. 优化模型算法流程图
Open Access
1. 引言
随着计算机科学技术的飞速发展，利用互联网大量资源的网格计算将成为解决规模庞大、复杂问题 的关键。要高效的实现网格的计算，许多复杂的网络需要处理，其中资源调度问题是网格优化中需要解 决的一个关键问题[1]。一个高效的资源调度模型和调度算法，可以有效的利用网络的处理能力，提高网 络算法程序的性能，以更好的利用网络资源[2]。各个地区资源的配置已成为各个行业、各个部门必不可 少的调配方式。资源配置在电力部门，能源供给部门，水资源部门等应用广泛[3] [4] [5]。各个地区资源 的合理配备为经济发展、资源共享提供了有力支撑和保障。 综合资源规划是将各种形式的资源，进行合理规划[6] [7] [8]。资源供给方通过各个机构的转化，对 资源进行生产；资源需求方则表示本地区自己生产的资源不能自给自足，需要其他地区的补给。当本地 区的资源不能满足自身的需求时， 即供小于求时， 此时需要将其他地区剩余的资源调配给本地区； 相反， 当本地区的资源在满足自身需求的条件下，还有剩余，即供大于求时，这时需要将本地区的多余的资源 调配给其它地区；当供方资源恰好满足需求时，供需关系达到最优。事实上，资源供需的最优化平衡是 很难实现的，因为资源供需关系具有很强的波动性，造成波动性的原因诸多，比如当地的政策因素、环 境因素、经济因素、气候因素等。 本文研究的资源供需关系是指各个地区的供应与需求的关系，不涉及在资源调配过程中有关经济、 运输费等市场因素的影响，单纯从资源的供应和需求的角度考虑问题。本文研究的供需关系的优化调度 算法与运输问题是有差别的。运输问题[9] [10]是指如何将物资运往指定地点，并且实现运输成本最小。 资源供需关系的优化一方面需要满足本地的资源需求，将多余的资源进行调配到其它地区，另一方面， 本地区所生产的资源不能满足自己的需要时，由其它需求过剩的地区进行调配。通过各个地区资源的供 给与需求的优化结合，可以实现资源浪费最小的资源调配方式。 和 Ci ， i = 1, 2, , m ，并且 Pi 不一定等于 Ci 。事实上， Pi = Ci 是一种平凡情形，不予考虑。如何有效地分 本文重点解决的问题的具体描述如下： 假设有 m 个地区， 其中第 i 个地区的生产量和消费量分别为 Pi
Optimal Scheduling Algorithm Based on Supply-Demand Relationship and Its Applications
Jie Xia, Wenqing Wu*, Haiyang Xu
School of Science, Southwest University of Science and Technology, Mianyang Sichuan Received: Jun. 8 , 2018; accepted: Jun. 22 , 2018; published: Jun. 29 , 2018
设物资生产地和消费地分别为 A1 , A2 , A3 , , Am ， Pi ( i = 1, 2,3, , m ) 为第 i 个部门物资的生产量，
DOI: 10.12677/orf.2018.83010 78 运筹与模糊学
夏杰 等
xij 表示第 i 个能源生产地向第 j 个能源需求地所分配的物 C j ( j = 1, 2, 3, , m ) 为第 j 个部门物资的消费量，
th nd th
Abstract
Due to the complexity of resource allocation in each region, an optimal scheduling algorithm based on supply-demand relationship was proposed. The resource scheduling considered in this paper involves the supply and demand sides of each region, and solves resource optimization problems among regions. A multi-objective optimization is developed to search an optimal scheduling model, and an algorithm for solving optimal resource scheduling is given. Finally, two examples are given for verification analysis.
Keywords
Supply-Demand Relationship, Resource Optimization Scheduling, Goal Planning, Scheduling Algorithm
基于供需关系的优化调度算法及其应用
夏 杰，吴文青*，许海洋
西南科技大学理学院，四川 绵阳 收稿日期：2018年6月8日；录用日期：2018年6月22日；发布日期：2018年6月29日
摘
要
针对各个地区资源生产和消费的不协调，以及具体调配的复杂性，提出了一种基于供需关系的优化调度 算法。本文考虑资源调度涉及各个地区的供给方和需求方，从理论上解决地区之间的资源优化问题。利
*
通讯作者。
文章引用: 夏杰, 吴文青, 许海洋. 基于供需关系的优化调度算法及其应用[J]. 运筹与模糊学, 2018, 8(3): 77-82. DOI: 10.12677/orf.2018.83010
−5, bigger (1) = smaller (1) = 2, smaller ( 2 ) = −7, bigger ( 2 ) = 8, smaller ( 3) = −4, bigger ( 3) = 2
首先，对 smaller (1) 和 bigger (1) 进行调整，将供给地的资源数 3 给需求地。其次，对 smaller ( 2 ) 和