地域分散型多项目时间/成本权衡问题

实践中多项目可能分散在不同的地域，制订多项目计划时全局资源在项目间的转移时间不能忽略；项目活动有不同的执行模式，投入的预算越多，活动工期越短。地域分散型多项目时间/成本权衡问题涉及总预算在项目间的合理分配、全局资源在项目间的转移以及预算约束下的项目工期优化问题。针对该问题特点设计一种遗传算法，对带有预算约束的局部项目调度问题进行求解，采用序贯博弈谈判机制协调总预算在多项目间的分配并制订全局资源转移计划。基于多项目标准算例集MPSPLIB开展实验研究，一方面，探究求解该问题的序贯博弈谈判机制的协调效果；另一方面，分析并讨论问题规模、资源冲突强度和总预算对全局目标值的影响。     

基于两阶段资源分配协调机制的分布式多项目随机调度

企业趋向于多项目共享全局资源的分布式协同管理。但在多项目实际执行时，全局资源可用量往往由于外部环境的动态变化而存在不确定性，活动中断、资源浪费等现象频发，项目管理变得愈加复杂。本文将不确定的全局资源可用量建模为随机变量，设计两阶段资源分配协调机制，在预分配阶段，考虑项目允许的最大活动中断次数约束，建立各项目调度的马尔可夫动态决策过程模型；预分配结束后，基于活动重要度依次对剩余全局资源进行协调再分配，以提高资源利用率并减少平均项目延期。设计基于全局资源协调分配的Rollout近似动态规划算法进行求解。开展问题库算例实验研究与案例分析，验证协调机制与求解算法的性能；同时，探讨并分析不确定参数对目标结果的影响。     

随机多模式资源受限项目调度

项目调度是实现项目资源优化配置的重要手段。项目执行时往往面临大量不确定因素,并呈现出典型的多模式特性,给项目调度带来了很大挑战。鉴于此,本文研究活动工期不确定条件下的多模式资源受限项目调度问题,建立了该问题的马尔科夫决策过程模型。为了高效求解上述模型,设计了基于Rollout的近似动态规划算法。该算法可以在项目执行过程中根据最新的项目状态动态给出调度方案,从而有效优化项目期望工期。在所提算法中,利用“活动—模式”列表与并行调度机制相结合的启发式算法构建基准策略,并设计了基于离散时间马尔科夫链的动态仿真,以进一步提升算法性能。基于公开的项目调度问题库PSPLIB,通过大规模计算实验分析了本文算法的性能,探讨了多种因素对调度效果的影响。     

资源约束下多项目调度的改进遗传算法

针对资源约束下的多项目调度问题,在前人提出的有效的启发式算法研究路径基础上,本文利用遗传算法,结合进度生成机制,提出了多项目调度的改进遗传算法。与其他多项目调度启发式算法相比,该算法在平均项目延迟和最佳解比例方面都表现较好,综合利用优化后的优先规则也使得该算法更适用于不同网络复杂度和不同资源约束程度的多项目调度问题中。     

基于整数规划强对偶求解一类局域性资源受限项目调度问题

资源受限项目调度问题(简称RCPSP)是最具代表性的项目调度问题之一,调度过程可理解为,将受资源约束的平行工序调整为顺序工序。本文针对实际中广泛存在的资源局域、而非全局受限的情况,研究局域性RCPSP,并重点考虑一类问题：项目某环节的一系列平行工序,可用资源量只有一半,各资源可重复利用且具有相应多功能,但最多能承担2个工序,需将这些工序两两排列成对,实现项目工期最短。本文首先探索问题“局域性”特征,量化局域调度对项目工期的影响;基于此,构建只涵盖“局域调度工序”的0-1规划模型;再者,发展整数规划强对偶理论,结合Dangzig-Wolfe分解等方法,提出多项式时间的精确算法;最后通过算例测试,验证算法优势,例如,计算大规模算例的最优解,运用该算法比常规精确方法可快数万倍以上。     

随机抽样算法在多项目调度中的应用

针对资源约束下的多项目调度问题,扩展了单项目进度生产机制,并在此基础上设计了多项目调度的随机抽样算法。通过对比分析,说明不同的任务优先规则对随机抽样算法具有不同的影响,其中采用MINSLK等优先规则的随机抽样算法能够有效地缩短项目平均工期。与其他多项目调度启发式算法的比较和统计检验,说明随机抽样算法显著优于这些常用的启发式算法。     

基于多目标优化的模糊需求VRPTW动态管理

针对具有模糊顾客需求的带时间窗车辆路径问题,建立了最小化车辆行驶距离和最小化配送服务延迟时间的多目标模糊机会约束规划模型,提出了管理车辆服务模糊需求的动态优化策略,设计了嵌入模糊模拟的改进非支配排序混合遗传算法来求解模型。通过Solo-mon标准算例的仿真实验,不仅讨论了决策者主观偏好值对决策目标的影响,而且与传统车辆调度方法进行了对比分析,验证了该动态管理策略的有效性。     

柔性资源约束下的产品开发项目优化调度研究

为解决具有柔性资源约束的产品开发项目调度问题,综合考虑项目调度过程中任务的先后约束关系、所需技能以及柔性资源等约束,以遗传算法和最大流理论为基础,提出了问题求解的改进遗传算法.该算法采用基于优先权的自然数编码,在解码过程中首先采用拓扑排序将染色体翻译成先后关系可行任务链表,然后运用网络最大流理论求解每项任务的柔性资源配置方案,并采用了适用于该问题的遗传操作.测试问题实验结果验证了算法的可行性和有效性.     

基于遗传算法的资源约束型项目调度优化

资源约束型项目调度的优化是一个NP-hard问题,其求解难度随着资源约束项的增多呈指数方式增长,传统的基于Excel表的手工优化方法不能及时计算出有效的资源配置方式,从而影响项目管理人员的资源调度.针对多资源约束型项目调度的优化问题提出基于遗传算法的资源约束型项目调度的优化方法,该算法采用基于活动优先权的十进制编码方式,结合活动的存储邻接矩阵,有效地解决活动调度违例现象;运用优先抢占模式的资源分配方式安排活动资源,避免资源分配中的冲突问题;并为该算法设计了启发式遗传算法的C语言程序,通过计算机的多次迭代运算得出满足资源约束的最优工期.实践结果表明,遗传算法可以快速有效地解决企业项目调度的优化问题,适合在企业项目进度管理中推广运用.     

基于免疫遗传算法和列生成的多项目人力资源调度研究

主要研究列生成法求解带有人力资源约束的多项目多模式进度管理问题。首先根据问题建立了相应的数学模型,模型中考虑了多种约束,如项目对人员能力、水平的不同要求,目标为满足约束的条件下成本最小化,其中包含固定和可变两类成本。模型分解后,按照列生成法流程求解。由于问题的复杂性,采用启发式算法求解每个子问题:首先由基于优先原则的启发式方法给出问题的初始解,再由免疫遗传算法寻优。通过数值实验分析了算法性能、模型改进情况,不同优先原则组合对目标成本和各项目间时间分配的影响。     

资源受限下平行工序顺序对优化的0-1规划模型

资源受限是工程项目时刻都可能面对的挑战。由于资源限制，需要将原项目计划中相互之间无优先关系的平行工序调整为顺序工序。平行工序顺序化可导致项目工期延迟，因此需考虑如何使项目工期延迟最小。该平行工序顺序优化问题是项目调度问题，也是排列组合问题，通常难度很大，包括一些NP-hard问题。本文主要研究该问题的一类典型子问题——平行工序顺序对优化，即如何将项目中某2n个平行工序调整为n个顺序工序对，并且对项目工期的影响最小。该问题的总方案数可达到（2n）!/n!。本文借助工序网络（如CPM网络），运用简单的时间参数量化了平行工序顺序化对项目工期的影响，进而降低问题的求解难度，建立了纯0-1规划模型。实验验证了该模型的求解效率，求解100个平行工序规模的问题平均耗时0.2605秒，而求解500个平行工序规模的问题平均耗时10.66秒。     

基于柔性资源约束的前摄性项目调度优化研究

不确定环境中，项目进度计划鲁棒性的高低直接影响项目能否顺利实施。本文研究了具有随机活动工期的柔性资源约束下的前摄性项目调度优化问题，目标是在柔性资源和项目工期的约束下，借助对活动开始时间合理的进行安排进而得到拥有最大鲁棒性的进度计划。首先对研究问题进行界定；随后构建优化模型，并根据问题NP-hard属性和模型特点设计了双层嵌套禁忌搜索启发式算法，通过内外两层交互搜索寻找满意解；最后通过一个实际案例对本文研究进行说明，并分析关键参数对进度计划鲁棒性的影响，得到如下结论：相对于资源无柔性情况下的项目进度计划而言，资源具备柔性后得到的项目进度计划的鲁棒性更高，具有更强的抗干扰能力，能够保证项目稳定执行；同时，项目进度计划鲁棒性分别随着项目工期的延长、资源可用量的增加或资源柔性的提高而上升。     

基于自适应大邻域搜索的鲁棒多项目调度方法

多项目资源管理有时需要采用一种资源专享-转移策略，该策略下可更新资源在多项目之间不共享，但在当前项目完工之后其资源可以转移至其它还未开始的项目。针对这一实际问题的理论研究非常有限。考虑活动工期的不确定性，从时差效用函数视角评价项目调度计划的鲁棒性，在考虑拖期成本-鲁棒性的多目标问题框架下，构建了一个资源专享-转移视角下的多项目资源分配(战术层)与鲁棒调度(运作层)双层决策优化模型。针对模型的NP-hard性质和多目标组合优化特征，设计了一种新的自适应大邻域搜索(adaptive large neighborhood search，ALNS)算法求解模型。该算法采用“项目-缓冲-资源-活动”列表的混合编码表示问题可行解，提出基于四类列表的destroy-repair邻域结构，设计一种超体积指标进行自适应搜索以提高算法性能。最后，为了验证ALNS算法的适用性和有效性，设计一种NSGA-II算法作为比较基准，通过大规模仿真实验对算法性能进行了对比分析，并探索工期不确定水平对多项目调度方案鲁棒性的影响。     

基于随机理论的多项目资源配置模型及应用研究

为解决多项目管理中共享资源配置问题,在对信息环境下企业资源特点研究的基础上,应用随机理论确定了企业资源多项目并行配置时的资源等效效率和效率转换系数,由此建立了资源配置效率模型,通过对其数学方程的分析给出了相应的算法.运用该模型和算法,通过实例分析实现了资源的合理配置.     

Control of interrelated research and development projects

The purpose of this paper is to examine a type of resource allocation problem arising in the context of research and development activities. The particular problem analyzed involves scheduling a group of projects in such a way that total cost is minimized while several precedence relations are satisfied and specific completion times are maintained. The primary difficulty results from the existence of commonalities that allow the successful completion of a particular project to be applied to several different purposes. A solution approach is developed which combines a one-pass network algorithm to deal with the precedence and time restrictions and a dynamic programming procedure to allocate the resources to each project.     

基于资源流网络优化的Max-npv项目调度

活动拖期通过资源流网络的传递会严重影响项目的净现值收益。针对该问题，本文首先在确定性环境下采用模拟退火算法(SA)构建了Max-NPV(Maximize the Net Present Value)非鲁棒性基准调度计划，然后考虑到活动工期的不确定性，设计了MEPC(Minimize Expected Penalty Cost)资源流网络优化算法，通过鲁棒性资源分配实现净现值期望惩罚成本最小化。大规模仿真对比实验结果表明，在活动工期低、中、高三种不确定性程度下，相对于采用随机资源分配算法(SA+RRAS)构建的非鲁棒性调度计划，SA+MEPC算法构建的鲁棒性调度计划在项目净现值实际收益、调度计划的“解”鲁棒性和“质”鲁棒性三个方面都取得了更好的结果，并且应对活动拖期风险的能力也更强。