Solving Multi-objective Resource Allocation Problem Using a Novel Optimization Approach: Genetic Algorithm with Hybrid Mutation

M.A. El‐Shorbagy

doi:10.29020/nybg.ejpam.v18i4.7170

Solving Multi-objective Resource Allocation Problem Using a Novel Optimization Approach: Genetic Algorithm with Hybrid Mutation

2025-10-01

0

OA

AI

DOI：10.29020/nybg.ejpam.v18i4.7170

原文链接

查看原文

摘要

En 中文

多目标资源分配问题（MORAP）指的是在将有限资源分配给多个项目或业务部门的同时，满足多个（通常相互冲突的）目标的挑战。此类问题在工程、管理和运筹学中很常见，决策者需要平衡成本、效率和性能。为解决这一挑战，本文引入了一种专为MORAP设计的新型混合变异遗传算法（GA-HM）。所提出的方法整合了两种互补的变异算子——移位变异和倒位变异，并以随机方式应用。这种混合策略增强了算法的探索能力，维持了种群多样性，并降低了过早收敛到局部最优的风险。为评估GA-HM的有效性，考虑了来自文献中的两个基准测试问题，两者均涉及多目标劳动力-任务分配。实验结果明确表明，GA-HM相较于现有方法（如模糊动态规划、模糊动态优化、有效GA方法、基于k-means的GA以及多目标混合GA）始终能产生更优的解。值得注意的是，GA-HM不仅能识别成本与效率之间的最优折衷方案，还能提供一组分布良好的非支配（ND）解，为决策者提供更广泛的资源规划替代方案。总体而言，研究结果证实GA-HM是求解MORAPs的一种稳健且高效的方法。通过生成多样化的帕累托最优解，该算法为从业者提供了适用于复杂多目标优化任务的实用决策支持工具。此外，所提出的方法论显示出强大的潜力，可扩展至其他需要有效多目标资源分配策略的实际工程和管理应用。

Keyword:

Multi-objective optimization

resource allocation problem

genetic algorithm

optimization

Solving Multi-objective Resource Allocation Problem Using a Novel Optimization Approach: Genetic Algorithm with Hybrid Mutation

摘要

AI总结

期刊

机构

引用论文