面向分布式资源受限多项目调度中公平感知协调的多准则决策支持

《Symmetry》:Multi-Criteria Decision Support for Fairness-Aware Coordination in Distributed Resource-Constrained Multi-Project Scheduling

【字体: 大 中 小 】 时间:2026年08月27日 来源:Symmetry 2.2

编辑推荐:

  在工程研发组织中,自主项目之间的资源争用会在分布式多项目环境中产生复杂的调度挑战。传统协调机制往往优先考虑全局效率而忽视项目间公平性,这可能导致利益相关方抵触和执行延迟。本研究针对分布式资源受限多项目调度问题(DRCMPSP),提出一种透明的决策支持方法。研究

  
在工程研发组织中,自主项目之间的资源争用会在分布式多项目环境中产生复杂的调度挑战。传统协调机制往往优先考虑全局效率而忽视项目间公平性,这可能导致利益相关方抵触和执行延迟。本研究针对分布式资源受限多项目调度问题(DRCMPSP),提出一种透明的决策支持方法。研究人员开发了一种两阶段调度机制,将多准则决策(MCDM)融入全局协调过程。首先,一种带精英策略的增强型混沌遗传算法(CGA)生成局部调度方案;其次,采用MCDM方法解决全局资源冲突。项目间公平性通过限制每个项目的相对目标恶化程度以及评估由此产生的项目级负担离散度来实现。通过无人机研发案例研究和大量实验验证表明,在高资源争用条件下,基于TOPSIS的机制相比基于拍卖的机制实现了显著更低的标准差。该方法通过使项目级结果之间的权衡对管理者明确可见,支持透明且公平感知的冲突解决。
论文解读:面向公平感知协调的分布式资源受限多项目调度研究

一、研究背景与问题

在工程研发组织中,多个项目通常并行执行。部分企业集中租用或预留外部公共测试或中试实验平台,用于验证和原型确认,然后在并行项目之间分配有限的可用服务时间。由于平台能力取决于认证人员、高端设备以及可用测试时段,有限服务窗口的竞争产生了对稀缺资源进行透明协调的现实需求,同时需要保持调度效率和项目自主性。这种分配问题被建模为资源受限多项目调度问题(RCMPSP)。传统集中式方法假设单一决策者拥有充分的权力和信息来优化全局目标,但此类方法难以在相互依赖的项目之间平衡冲突的性能指标,经常忽视单个项目在成本、时间、质量等方面的不同优先级。因此,忽视局部利益的全局调度可能缺乏利益相关方的接受度。分布式资源受限多项目调度问题(DRCMPSP)通过对整体系统建模为一组各自具有不同目标的自主智能体来弥补这一局限。

公平性是涉及稀缺容量和竞争利益相关方的资源分配与调度决策中的关键考量。在分布式多项目系统中,共享资源协调后项目级结果不均衡会削弱利益相关方的接受度和协作执行。不平等厌恶理论表明,个体对不公平分配表现出强烈厌恶,甚至可能付出代价加以拒绝。当调度迫使子项目为集体利益牺牲关键里程碑却没有合理说明时,会破坏利益相关方之间的心理契约,引发不满和消极抵抗或未经授权的进度修改,从而危及多项目协同执行。透明协调十分重要,因为受影响的项目智能体应能理解共享资源分配决策的依据。

当前DRCMPSP研究大多使用基于拍卖或基于谈判的机制解决全局资源冲突。基于拍卖的机制在计算上高效,但往往偏向预算较大或具有特定成本结构的项目,可能系统性地使规模较小且进度关键的项目处于劣势。基于谈判的机制依赖指定协议下的迭代讨价还价,但缺乏将可行备选方案的透明排序与跨异构项目目标的显式公平考量相结合的协调机制。在信息不对称的分布式环境中,资源冲突解决决策应当透明且可论证。多准则决策(MCDM)为评估竞争目标之间的权衡提供了结构化框架,适用于系统性冲突解决,但MCDM在DRCMPSP协调中的应用仍然有限。

二、研究内容与意义

为填补上述研究空白,本研究提出一种面向DRCMPSP的两阶段调度方法。第一阶段,设计基于MCDM的公平感知全局协调机制,采用逼近理想解排序法(TOPSIS)客观评估竞争性资源请求,并使用标准差评估项目级结果的均衡性。第二阶段,为支持频繁重调度,开发了一种带自适应排列变异机制的增强型混沌遗传算法(CGA),用于高效生成局部调度方案。变异概率根据进化进度和种群适应度方差自适应调整,逻辑斯蒂映射值用于选择交换、插入和反转算子。数值实验和案例研究表明,在高资源争用条件下,基于TOPSIS的机制相比基于拍卖的机制实现了显著更低的标准差。该研究提供了一种结构化且透明的决策支持方法,用于协调分布式多项目调度,使项目级结果之间的权衡对管理者明确可见。论文发表在《Symmetry》。

三、主要关键技术方法

研究人员采用如下主要技术方法:(1)多智能体系统(MAS)建模:将DRCMPSP建模为自主项目智能体(PA)和协调智能体(CA)之间的交互,PA负责局部调度,CA解决全局资源冲突。(2)两阶段调度算法:第一阶段由各PA使用CGA生成局部初始调度,第二阶段由CA基于优先级规则生成多个多项目调度备选方案,并采用MCDM方法从中选择最优方案。(3)TOPSIS方法:用于全局调度阶段的备选方案排序,通过计算备选方案与正负理想解之间的欧氏距离得到相对贴近度,从而确定最佳协调方案。(4)CoCoSo方法:作为对比MCDM方法,结合加权和法与加权乘积法形成综合评估值,提供另一种排序结果。(5)混沌遗传算法(CGA):在局部调度阶段使用带精英策略和自适应排列变异的CGA,通过逻辑斯蒂映射选择变异算子,提高大规模调度问题的计算效率。(6)实验验证:使用MPSPLIB标准实例库中的105个实例,覆盖三个活动规模、三个项目数量以及高低资源争用条件,并进行无人机(UAV)研发案例研究。

四、研究结果

4.1 全局调度算法比较

研究人员将所提出的两阶段TOPSIS算法(TA-TOPSIS)与基于拍卖的分布式多智能体调度机制(DMAS/ABN)以及基于CoCoSo的两阶段算法(TA-CoCoSo)进行比较。描述性统计显示,TA-TOPSIS在多个问题子集上具有更低的标准差和最大值,而TA-CoCoSo在某些子集上获得更低的均值。Wilcoxon符号秩检验结果表明,在高资源争用条件下,TA-TOPSIS在均值、标准差和最大值方面与两种比较算法均存在显著差异;在低争用条件下,与TA-CoCoSo的标准差比较中p值小于0.01,其余比较均小于0.001。分层Wilcoxon检验显示,在80个高争用实例中,标准差差异对两种比较算法均保持统计显著,支持在高资源竞争下结果均衡性优势的稳定性。结果表明,TA-TOPSIS在高争用条件下产生显著更均衡的项目级结果。

4.2 局部调度算法比较

将提出的CGA与标准遗传算法(GA)和粒子群优化(PSO)进行比较。运行时间差异箱线图显示,对于包含600个及以上活动的实例,CGA的平均运行时间差异持续低于零线,表明CGA在大规模调度问题上具有良好适用性。按OLF程度和活动数量分类的Wilcoxon检验结果表明,当全局资源争用高且活动数量至少为90时,CGA具有显著的运行时间优势;在其他组中,该算法表现出边际优势或性能差异小于1%。这一结果验证了CGA能够有效支持两阶段协调过程所需的重复重调度。

五、讨论与结论

讨论部分指出,常被忽视的公平感知分布式协调可以通过显式比较异构项目结果来实现。与强制实施单一全局目标的集中式方法不同,所提出的基于MCDM的机制为资源分配提供了透明且可论证的基础,尊重项目的自主性和竞争性。该方法使项目级结果的均衡性显式化,同时保持各项目的自主性,从而支持项目组合的协调管理。研究结论表明,在高资源争用下,TA-TOPSIS比DMAS/ABN和TA-CoCoSo产生显著更均衡的项目级结果,其较低的标准差反映了高争用实例中项目级结果更均匀的分布。与TA-CoCoSo的比较揭示了互补性权衡:TA-TOPSIS更强调结果均衡,而TA-CoCoSo在某些问题背景下可获得更低的均值目标值。因此,TA-TOPSIS更适合以结果均衡为主要关注点的协调环境,而TA-CoCoSo在管理者更重视总体目标水平时依然有效。高争用下的更强均衡优势进一步表明,随着资源竞争加剧以及优先级决策对单个项目影响增大,显式多准则协调的价值更加凸显。在局部阶段,运行时间结果验证了增强型CGA能够支持两阶段协调过程所需的重复重调度。研究的局限性包括依赖确定性参数和静态决策权重,未来工作将扩展到随机环境以处理活动持续时间和资源可用性的不确定性,并探索自适应权重调整机制和并行计算架构以增强大规模实例的决策鲁棒性和计算效率。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号