基于聚类的自适应混合算法解决具有时间窗口的随机资源分配问题

随机资源分配（SRA）问题广泛存在于复杂系统中，其中资源可能以概率方式未能完成其分配的任务。在实际场景中，资源分配给任务应在指定的时间窗口内进行，并且每个分配的成功概率随时间变化。这样的一个问题可以表示为具有时间窗口的随机资源分配问题（SRA-TW）。离散分配关系和相应的连续值分配时间在SRA-TW的决策方案中是不可或缺的。这种混合变量性质对优化提出了巨大挑战。基于这些要求，将SRA-TW表述为具有时间约束的混合变量优化问题（MVOP）。为了解决这个问题，提出了一种基于聚类的多样性保护自适应混合算法（AHACDP）。首先，提出了一种带有构造解码的可变长度混合编码方法，用于增量约束处理。其次，提出了一种混合搜索机制，结合匹配相似性指导的自适应选择方法，以平衡离散和连续子空间中的搜索。然后，开发了一种基于聚类的多样性保护策略，以促进种群的良好分布。最后，设计了一种考虑各种问题特征的SRA-TW实例生成器，以全面验证算法的性能。对多个实例的统计结果表明，AHACDP在解决SRA-TW问题上优于现有算法。