消除二次资源冲突的鲁棒性双目标关键链项目调度优化

传统关键链方法无法解决插入输入缓冲引起的二次资源冲突困境,更不能表述和建模调度方案的鲁棒性,这极大地限制了它在项目进度管理中的广泛应用。本文从鲁棒调度和双目标优化两个角度拓展和创新了传统关键链方法。首先,针对最棘手的二次资源冲突困境,从鲁棒优化视角提出基于局部重调度的二次资源冲突消除策略,进而设计基于消除策略的鲁棒性测度指标;其次,构建同时优化项目工期和调度方案鲁棒性的双目标关键链项目调度模型,并设计混合差分进化算法求解。在获取基准调度计划阶段为克服现有的关键链识别方法的不足,设计基于鲁棒性资源流网络的关键链识别算法并将其嵌入差分进化主算法中。最后,设计并运行大规模数值测试实验,输出数据的统计结果验证了关键链识别算法和二次资源冲突消除策略的有效性,同时也表明了本文设计混合差分进化算法的优越性。     

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。     

基于鲁棒优化模型的项目调度策略遗传算法

针对任务工期不确定的资源受限项目调度问题,提出了求解该问题的鲁棒优化数学模型。在随机规划基础上,针对该鲁棒优化模型设计了遗传算法。算法通过多种任务优先规则生成初始种群以保证种群多样性。应用该遗传算法对项目实例进行了求解,分析表明所求得的项目调度策略能够有效应对任务工期不确定性导致的随机差异,具有较强的鲁棒性。参数分析表明决策者可以通过调节模型权重系数有效平衡解的可行性与最优性,有助于决策者根据风险偏好进行选择。     

复杂不确定环境下活动可拆分的项目资源鲁棒性调度优化

复杂不确定环境下,制定一个具有较强抗干扰能力的基准进度计划非常必要。本文研究了活动工期不确定环境下考虑活动可拆分的项目资源鲁棒性调度优化问题,旨在考虑活动可拆分,探究在活动优先关系约束、项目截止日期约束、活动拆分约束、资源流约束等条件下如何进行活动拆分决策并合理地安排各个项目活动/活动分段间的资源调配方案和时间缓冲添加策略,以制定鲁棒性最大化的基准进度计划。本文创新点如下：1)在项目资源鲁棒性调度优化问题中考虑活动可拆分,定义了资源流网络下活动自由时差的计算方法,提出了一种新的活动可拆分情形下进度计划鲁棒性的衡量方式,进而构建得到了考虑活动可拆分的项目资源鲁棒性调度优化模型;2)分析证明了问题模型的强NP-hard属性以及非线性属性,并在此基础上开发了一种内嵌资源调度安排的遗传算法进行问题求解;3)选取一个典型的实际案例对研究问题进行说明,直观展示了活动拆分执行对进度计划鲁棒性提升的重要价值,揭示了鲁棒性调度计划中资源调度方案的重要性,得到了活动拆分执行会增加项目内部资源转移次数的结论。     

基于最小最大后悔值的应急救灾网络构建鲁棒优化模型与算法

应急救灾过程分为两个阶段：第一阶段启动应急救灾网络构建,在灾区附近设立临时应急配送中心,并由应急资源供应方向其紧急调配应急资源;第二阶段将应急资源从临时应急配送中心向灾区受灾点进行调度,以保证救灾过程顺利进行。本文研究第一阶段应急救灾网络的构建问题,考虑到突发灾害初期灾情相关参数概率分布情况难以获取,建立了基于情景的最小最大后悔值准则的应急救灾网络构建鲁棒优化模型。求解模型时,利用有限情景集表示第二阶段的不确定性数据,并将模型化为与其等价的混合整数规划模型,利用情景松弛的迭代算法进行求解。数值试验中给出相应的绝对鲁棒模型与本文偏差鲁棒模型作了比较,结果表明基于最小最大后悔值准则的应急救灾网络优化模型具有良好的鲁棒性,而且算法也是有效的。     

有限需求信息下基于回购契约的供应链鲁棒协调策略

研究了仅知需求均值和区间信息条件下,基于最小最大后悔值准则的供应链回购契约协调问题。针对未知需求具体分布形式的两级供应链系统,在回购契约框架下,建立了以鲁棒决策和最优决策下的供应链及其成员绩效之差为目标函数的供应链协调模型。在仅知需求区间和均值信息条件下,采用鲁棒优化方法求解了最小最大后悔值准则下的集成供应链鲁棒订货策略和分散供应链鲁棒契约协调策略及其绩效偏差。分析了不同服务水平和契约参数条件下,由于信息缺失而未能实现最优运作的供应链及其成员绩效损失情况。最后,进行了数值计算,验证了通过鲁棒优化方法得到的供应链回购契约协调策略的鲁棒性和有效性。结果表明,基于回购契约的供应链鲁棒协调策略能够有效抑制需求不确定性对系统及其成员运作绩效的影响,同仅知需求区间信息相比,额外获得需求均值信息能够有效改进供应链运作绩效。     

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.     

多项目关键链缓冲区设计研究

随着世界经济的高速发展,全球化市场竞争愈演愈烈。众多企业逐渐开始面临多项目同时管理的挑战。针对多项目的复杂性和多项目同时施工带来的资源冲突调度问题,综合考虑多项目管理中工序位置和工序复杂度等影响因素,结合工序持续时间的弹性变化,提出一种新的关键链缓冲区设计方法,克服了关键链缓冲区管理中以往传统方法不能有效管理多项目的弊端。     

关键链技术在RCPSP问题中的应用研究

本文采用遗传算法,提出了一种关键链的识别方法,能够得到一近优的关键链.在项目缓冲的设置方面,既考虑了关键链自身的因素,又考虑了非关键链对其的影响.通过对资源受限项目调度问题(RCPSP)的标准问题库PSPLIB中典型案例的求解,较为详尽地描述了方法的具体应用过程.最后,采用对比研究仿真验证的方法证实了上述方法的有效性.     

关键链多项目调度中分散式能力约束缓冲设置法

能力约束缓冲的设置问题是关键链多项目管理法的核心问题,对成功执行关键链多项目调度非常重要.本文考虑了使用“鼓资源活动之间存在间隙的特点,分析了集中设置能力约束缓冲方法的不足之处,提出了分散式能力约束缓冲设置法.该法阐述了能力约束缓冲在“鼓”计划中的配置位置和大小.然后通过数据实验将该法与集中式能力约束缓冲设置法进行了比较,结果表明:集中式能力约束缓冲会产生过大或者过小的缓冲,而分散式能力约束缓冲设置法能针对不同的“鼓”计划设置合适的缓冲大小.特别当“鼓”活动间隙靠近最后一个“鼓”活动时,分散式设置法能提供更短的项目群计划完工期,同时得到与集中式设置法一样的按时完工率,以及较低的缓冲超出概率.     

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。     

Multimode time-cost-robustness trade-off project scheduling problem under uncertainty

The time/cost trade-off problem is a well-known project scheduling problem that has been extensively studied. In recent years, many researchers have begun to focus on project scheduling problems under uncertainty to cope with uncertain factors, such as resource idleness, high inventory, and missing deadlines. To reduce the disturbance from uncertain factors, the aim of robust scheduling is to generate schedules with time buffers or resource buffers, which are capped by project makespan and project cost. This paper addresses a time-cost-robustness trade-off project scheduling problem with multiple activity execution modes under uncertainty. A multiobjective optimization model with three objectives (makespan minimization, cost minimization, and robustness maximization) is constructed and three propositions are proposed. An epsilon-constraint method-based genetic algorithm along with three improvement measures is designed to solve this NP-hard problem and to develop Pareto schedule sets, and a large-scale computational experiment on a randomly generated dataset is performed to validate the effectiveness of the proposed algorithm and the improvement measures. The final sensitivity analysis of three key parameters shows their distinctive influences on the three objectives, according to which several suggestions are given to project managers on the effective measures to improve the three objectives.

     

Collaborative optimization for metro train scheduling and train connections combined with passenger flow control strategy

For high-frequency metro lines, the excessive travel demand during the peak hours brings a high risk to metro system and a low comfort to passengers, so it is important to consider passenger flow control when designing the metro train scheduling strategy. This paper presents a collaborative optimization method for metro train scheduling and train connections combined with passenger control strategy on a bi-directional metro line. Specifically, the dynamic equations for the train headway and train passenger loads along the metro line, the turnaround operations and the entering/exiting depot operations are considered simultaneously. The proposed collaborative optimization problem is formulated as a mixed integer nonlinear programming model to realise the trade-off among the utilization of trains, passenger flow control strategy and the number of awaiting passengers at platforms, which is further reformulated into mixed integer linear programming (MILP) model. To handle the complexity of this MILP model, a Lagrangian relaxation-based approach is designed to decompose the original problem into two small subproblems, which reduces the computational burden of the original problem and can efficiently find a good solution of the train schedule and train connections problem combined with passenger flow control strategy. The numerical experiments are implemented to investigate the effectiveness of the proposed model and approach, which shows that the proposed model is not sensitive to uncertain passenger demand. Under the proposed collaborative optimization approach, the number of train service connections and the crowding inside stations and carriages with the proper passenger flow control strategy can be evidently balanced, and thereby the operation efficiency and safety of the metro lines are effectively improved.     

An adjustable robust optimization model for the resource-constrained project scheduling problem with uncertain activity durations

This paper addresses the resource-constrained project scheduling problem with uncertain activity durations. An adaptive robust optimization model is proposed to derive the resource allocation decisions that minimize the worst-case makespan, under general polyhedral uncertainty sets. The properties of the model are analyzed, assuming that the activity durations are subject to interval uncertainty where the level of robustness is controlled by a protection factor related to the risk aversion of the decision maker. A general decomposition approach is proposed to solve the robust counterpart of the resource-constrained project scheduling problem, further tailored to address the uncertainty set with the protection factor. An extensive computational study is presented on benchmark instances adapted from the PSPLIB.     

Appointment Scheduling with No‐Shows and Overbooking

We study an overbooking model for scheduling arrivals at a medical facility under no‐show behavior, with patients having different no‐show probabilities and different weights. The scheduler has to assign the patients to time slots in such a way that she minimizes the expected weighted sum of the patients' waiting times and the doctor's idle time and overtime. We first consider the static problem, where the set of patients to be scheduled and their characteristics are known in advance. We partially characterize the optimal schedule and introduce a new sequencing rule that schedules patients according to a single index that is a function of their characteristics. Then we apply our theoretical results and conclusions from numerical experiments to sequential scheduling procedures. We propose a heuristic solution to the sequential scheduling problem, where requests for appointments come in gradually over time and the scheduler has to assign each patient to one of the remaining slots that are available in the schedule for a given day. We find that the no‐show rate and patients' heterogeneity have a significant impact on the optimal schedule and should be taken under consideration.     

基金管理者报酬的线性模型研究与实证分析

探讨了四种跟踪组合回报率与目标回报率间偏差的线性模型 ,线性偏差比传统的二次型偏差更能准确描述投资者的风险态度 ,用线性规划给出了明确的优化方案 ,并对上海证券 A股各分类资产组合作出了实证分析和比较 ,得出为达不同的投资目标投资者确定投资组合及基金管理者报酬的各种优化模型 .     

RCPSPDC的一种启发式算法

在资源约束条件下,如何最大化项目净现值是目前项目规划研究的重点问题。本文研究了一次付款项目支付模式下的RCPSPDC,提出了一种Min{L＆F}启发式算法。该算法比较可行工序集中各工序的Min{L＆F}值,据此确定规划顺序,进而完成整个项目的规划,实现最大化项目净现值的目标。最后,本文在算例应用与算法比较的基础上,验证了Min{L＆F}算法的有效性。     

面向多灾点需求的应急资源调度博弈模型及优化

非常规突发事件爆发后经常会造成多个灾点,而各灾点的需求往往是不同的,单独的应急资源中心很难同时满足这种要求,因此如何把多个应急资源中心所储备的应急资源公平合理地调配到各个灾点成为应急决策者亟待解决的现实问题。本文首先描述了各灾点对应急资源需求变化的动态过程即按照应急资源需求信息的变化将整个应急资源调度过程划分成若干阶段,在此基础上构建了基于多灾点多阶段的应急资源调度过程理论模型。随后以博弈论为工具,在进行一系列模型假设和确定各灾点灾情的前提下,建立面向多灾点需求的应急资源博弈调度模型,并采用改进的蚁群算法进行求解,实现对各灾点以最小的“虚拟成本”进行所需应急资源的调度。最后的模型仿真测试和算例分析验证了所建模型的有效性和可行性。该模型与算法也为商业物流中的资源配送提供了新的解决方案和实现途径。