多项目人力资源调度实证研究

针对某公寓大修项目,建立有关人力资源约束下的多项目进度管理问题混合整数规划模型。其中考虑了多种约束,如项目对人员能力、水平的不同要求,而人员又具有多种能力及水平;目标为满足约束的条件下总成本最小化,其中包含按时间计费的工资,和福利等的固定费用。为了简化计算,采用列生成法把复杂的多项目模型分解为一个主问题和多个子问题并协调主问题和子问题求解。同时由于子问题的复杂性难以精确求解,采用启发式算法求解:首先由基于优先原则的启发式方法给出问题的初始解,再由遗传算法寻优。最后通过该实际案例的应用,表明此方法能够快速有效的解决实际问题,给决策者提供信息,帮助指导实践。     

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。     

分散式项目群调度的双目标优化方法研究

项目群中的多个项目存在着更加密切的关联关系,典型表现为项目之间的紧前关系约束。本文考虑多项目之间存在紧前关系约束且在分布式环境下竞争有限共享资源的情况,提出了一种面向项目群管理的分散式资源约束多项目调度问题。该问题的最大特点是在保持单项目独立调度的前提下,在项目群中考虑多个项目的关联关系执行优化调度,实现多目标优化和共享资源分配。基于快速非支配遗传算法进行改进,设计了一种两阶段求解算法。第一阶段运行在单项目层,以工期和共享资源需求最小化为目标,对每个单项目进行双目标调度;第二阶段运行在项目群层,根据单项目的求解结果,在项目紧前关系约束下,进行项目群双目标优化调度,确定项目群工期、共享资源投入和资源分配的最优配置集合。通过大量的计算仿真,验证了算法的改进效果。本文所提出的方法通过单项目和项目群的分层调度,实现了单项目个体优化和项目群全局优化的统一。     

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。     

基于现金流均衡目标的多模式项目调度问题研究

首先对基于现金流均衡目标的多模式项目调度问题进行界定;随后定义两组0-1决策变量并构建问题的优化模型;鉴于问题的强NP-hard属性,设计专门的模拟退火启发式算法;最后用一个实例对研究进行说明,并计算分析关键参数对目标函数的影响.结果表明:承包商最大累计资金缺口随项目截止日期的延迟、支付比例和预付款比例的提高而减小,随着质量保证金比例的提高而增大.     

基于扩展知识遗传算法的生产调度研究

本文介绍了用于解决实际生产调度问题的一种改进的遗传算法 ,此方法基于具体问题领域知识的扩展 ,用直接染色体表示生产调度 ,设计并扩展重组算子 ,缩小寻优空间 ,提高效率 ,并用算例证实此算法具有全局寻优性和收敛性     

多群体并行遗传算法在动态车间调度中的应用

生产调度对企业的生产作业过程具有重要的作用。有效的调度方法和优化技术是实现先进制造和提高生产效益的基础和关键。本文论述利用多群体并行遗传算法可满足动态车间调度的应用,采用一种特殊构造遗传编码方法采改进遗传算法,提供有效的最优化查询。利用MATLaB工具以实例证明该算法的有效性。该算法特别适合于job-shop调度问题。     

基于免疫遗传算法的物流配送车辆路径优化问题研究

物流配送车辆的优化调度问题是近年来物流研究中的一个热点也是一个难点,传统的优化方法往往难以解决这类问题.本文提出一种新型免疫遗传算法进行物流配送车辆路径问题的优化规划.在遗传进化过程中,借鉴生物免疫机制对每个种群的染色体进行免疫算子操作,这些算子包括接种疫苗、各基因座多样性调整以及免疫选择.以运输费用最小为优化目标建立了物流配送车辆路径优化问题的数学模型,利用免疫遗传算法求得优化解,并通过具体实例以及免疫遗传算法与标准遗传算法运算结果的比较,验证了本文免疫遗传算法的有效性和优越性.     

基于改进遗传算法的置换装配线调度问题研究

企业的置换装配线调度问题（Permutation Assembly-line Scheduling Problem,PASP）是一类典型的NP-hard型生产调度问题,是现代集成制造系统CIMS极为关心的问题。该问题可以具体描述为n个工件要在m台机器上加工,每个工件需要经过m道工序,每道工序要求不同的机器,这n个工件通过m台机器的顺序相同,它们在每台机器上的加工顺序也相同,问题的主要目标是找到n个工件在每台机器上的最优加工顺序,使得最大完工时间最小。由于PASP问题的NP-hard性质,本文使用遗传算法对其进行求解。尽管遗传算法常用以求解调度问题,但其选择与交叉机制易导致局部最优及收敛慢。因此,本文提出基于区块挖掘与重组的改进遗传算法用于求解置换装配线调度问题。首先通过关联规则挖掘出不同的优秀基因,然后将具有较优结果的基因组合为优势区块,产生具优势的人工解,并引入高收敛性的局部搜索方法,提高搜索到最优解的机会与收敛效率。本文以OR-Library中Taillard标准测试例来验证改进遗传算法的求解质量与效率,结果证明：本文所提算法与其它求解调度问题的现有5种知名算法相比,不仅收敛速度较快,同时求解质量优于它们。     

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。     

炼钢连铸生产调度问题的两阶段遗传算法

将炼钢连铸生产过程抽象为混合流水车间,建立了0-1型混合整数线性规划调度模型。模型将严格连续浇注作为等式约束,并通过分段惩罚来平衡炉次的驻留时间。在对模型进行Benders分解的基础上,提出了将GA与LP结合的两阶段遗传算法。在算法设计中,提出了一种新的染色体编码来表示炉次设备指派与排序方案,给出了相应的遗传操作方法。算法的第一阶段通过最小化设备析取冲突来寻找高质量的种群,第二阶段通过求解线性规划模型来指导遗传算法的迭代过程。基于生产实际数据的仿真实验表明,该算法能够有效求解炼钢连铸生产调度问题。     

基于改进模糊遗传算法的混合车辆路径问题

本文建立了多配送中心、多车型、多产品的车辆路径问题的混合数学模型,提出了一种新的模糊遗传算法求解混合车辆路径问题,通过改进的模糊逻辑控制器实现交叉概率和变异概率的动态调整,以加快算法收敛速度并避免算法陷入局部最优解。采用标准算例进行对比,证明模糊遗传算法有较好的计算结果和计算效率,并用模糊遗传算法对混合车辆路径模型进行仿真测试,取得了理想的结果。     

基于遗传算法的有折扣多产品采购多供应商选择问题求解

针对传统供应商选择过程大多只面向单一供应商进行选择的局限性,本文以质量、价格、交货期和交货提前期为评价指标,以最小化综合评价值为目标,纳入供应商供货能力和价格折扣,建立面向多供应商采购多产品条件下供应商选择的数学模型,并提出基于改进遗传算法的模型求解方法。实证分析验证了本文提出的求解方法的有效性。     

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。