工程项目工期——资源优化方法研究

在深入探讨工程项目实施过程中进度计划与资源计划协调运行的同时 ,提出了在资源限制性条件下对工期进行优化的“RSM”法 ,并对该方法繁复的计算过程进行了改进 ,从而可以大大减少手算工作量、节省计算机内存、使工期——资源优化快速而便捷的完成     

基于遗传算法的网络计划工期-费用优化

本文就建立PERT网络工期 费用模型、应用遗传算法进行求解、适用于大型网络计划进行了系统介绍。     

南水北调工程项目工期和费用影响因素的定量研究

首先对影响南水北调工程项目延期和超支的关键因素进行了问卷调查，利用SPSS统计软件对其信度进行了检验。在确保问卷可靠性的基础上，对所涉及的诸多影响因素进行了影响严重程度评价和排序，同时利Cox-Stuart趋势增长检验方法进行了检验，得到对南水北调工程超支和延期影响均很严重的前6项关键因素，并针对其中两项提出了相关的政策性建议。另外，还利Pearson相关系数法对延期与超支之间的相关性进行了检验，充分证明了延期与超支之间存在很强的相关性。     

基于NNIA的工程项目工期-成本-质量综合优化

工期、成本、质量是工程建设项目的三大控制目标。当前工程管理人员对三大目标的控制相对独立,不能高效地对三大目标进行综合控制。为了更好地解决三大目标之间的协调问题,结合系统可靠性原理,利用二元决策图(Binary Decision Diagram,BDD)对工程项目的整体质量水平进行评价。同时,考虑工程实际的奖罚制度,构建工期-成本-质量综合优化模型并运用非支配近邻免疫算法(Non-dominated Neighbor Immune Algorithm,NNIA)进行求解。运算结果得到了一系列Pareto最优解,验证了所构建模型的可行性及NNIA对求解该模型的有效性。     

基于微粒群算法的工程项目质量、费用和工期综合优化

进度、费用和质量称为工程项目的三大控制目标,三者之间相互依存、相互影响。工程项目控制的理想状态是同时实现合理的工期、较低的费用和较高的质量。微粒群算法(PSO)是新近出现的一种仿生算法,具有简单容易实现,而且随机搜索的优点,使得搜索不易陷于局部最优。将该算法引入工程项目优化领域,研究工程项目的质量、费用和工期的综合优化问题。系统介绍微粒群算法原理、流程以及算法的改进发展,研究工程项目质量、费用和工期的优化,并建立质量、费用和工期的多目标综合优化模型,介绍应用微粒群算法编码解决工程项目多目标优化的方法步骤。最后,通过一个应用实例,计算表明微粒群算法可以准确快速地解决工程项目多目标优化问题。     

浅谈工期与造价关系之工期—费用优化

文章阐述了施工工期与造价的关系,提出用工期—费用模型来寻求造价最低时的最合理的工期,以达到均衡。     

基于NSGA-Ⅱ的工程项目工期-成本-质量均衡优化

工程项目工期-成本-质量多目标均衡优化是近年来工程项目管理领域的研究热点问题。针对这一问题,分析了工期与质量之间的关系,提出了工期与质量的s-型曲线,构建了工期一成本一质量的均衡优化模型,通过经典多目标测试函数对NSGA-II求解多目标优化问题的可行性和有效性进行了测试。在此基础上,利用该算法进行了工程项目工期-成本-质量的多目标均衡优化,得到了一组Pareto最优解,为项目管理者的决策提供了依据。     

工程项目工期--成本综合模糊优化

针对工程项目中工期的不确定性,本文提出了一种综合模糊集合论与遗传算法的新方法来解决工期—— 成本优化问题。该算法能较好的寻找项目在不同风险水平下的工期——成本优化的最优解,同时能深入分析工期 和成本的理想平衡点,为决策者提供相关信息,用于指导实践。     

网络计划中工期优化与费用优化的结合研究

研究工程的网络计划优化中的工期优化和费用优化的特点,使两种优化在优化过程中有机的结合起来,通过对一需要进行优化的具体算例开展的优化进行了详细介绍,为管理者在施工工程中能准确地选择优化工作提供技术指导作用。     

国际工程项目工期延误费用索赔的构成及计算

基于对国际工程项目工期延误类别的分析,介绍了由于工期延误导致的工程费用增加的费用构成和计算方法,旨在为参与国际工程管理的从业人员进行工期延误费用索赔提供参考。     

蚁群算法在加纳电力投资项目工期-费用优化中的应用研究

通过实证研究,得出蚁群算法在加纳电力投资项目的工期-费用控制中能够优化工期和费用,并取得预期的效果。通过蚁群算法得到的帕累托解数,高于通过常规方法得到的解数,为工程项目应对复杂情况提供了更多的选择余地。     

缩短工期—费用最低的优化方法

一、网络计划调整的必要性。 网络图既能明确表示生产工艺顺序关系、又便于进行科学的计算,同时也有利于利用电子计算机这种先进计算手段。 对一项工程任务,首先应按正常工作状态编制经济合理的网络计划。并决定工程的计算工期TCP。 1.计划部门下达的计划工期(规定工期)D_T,短于计算工期,这是网络计划需要调整     

工程项目工期—成本—质量模糊优化

在不确定的环境下以工程项目三大控制目标——工期、成本、质量为研究对象,利用多属性效用函数决策理论得出在某一风险水平下三个目标的效用最大值,其中引入模糊数学原理,给出每道工序持续时间、直接成本的模糊表示,建立优化模型,并采用遗传算法对两阶段进行模拟分析,为决策者提供理想的计划安排,最后通过算例证明了模型的可行性和方法的实用性.     

工期-资源优化方法

确立一项用以指导生产活动的计划,必须注意到实现这项计划的客观物质基础。一个部门或单位,在一定时间内所能提供的用以实现计划的物质资源(人力、材料、设备和资金)总是有一定限度的。同时,希望均衡地消耗这些资源,以降低工程成本。因此,工期一资源优化的目的不外乎:在资源有限的条件下,寻求完成计划的最短工期;在工期确定的条件下,力求资源消耗均衡。     

建设项目工期——成本（费用）优化探讨

工期短、造价低、质量好，是人们对建设项目施工管理提出的三大目标。然而三者之间是互相关联．互相制约的对立统一关系，在劳动生产率一定的条件下，缩短工期就必须增加资源投入．即必须集中更多的人力、物力于某项工程上，这样势必扩大现场、仓库等临时设施的能力．其结果是引起工程成本的增加。因此，研究建设项目的工期——成本(费用)优化问题具有现实意义。     

基于蚁群算法优化工程项目中的工期——成本

当前我国建筑业的总体水平较发达国家相对落后,存在较大差距,如施工技术落后、施工规范不合理、建筑市场过于饱和等。尤其是在施工阶段经常面临工期延长、总造价过高、质量差等问题,这些问题严重影响到企业经济效益的提高,因此如何有效地进行工程施工组织设计,从而控制施工进度和降低成本,成为摆在众多建筑施工单位面前的一个重要问题。针对上述问题,文章提出一种适用于施工工程的多目标工期-成本的蚁群算法。以工程实例对该算法进行验证,表明蚁群算法在工期成本优化方面具有显著效果,为施工管理者进行最优方案选择提供了强有力的手段。     

工程项目工期隐性成本控制模型研究

针对建筑工程项目投资大、周期长、施工不安全因素多等特点,对工期隐性成本进行三级科目设置,以深化对建筑工程项目工期隐性成本的认识。通过分析神经网络与工程网络图的相似点,构建工期隐性成本神经网络控制模型,同时针对传统神经网络的缺陷,引入基于自适应学习速率的算法,提升了神经网络技术对于工期隐性成本控制的准确度。     

现代工程项目的工期压缩方法研究

在分析现代工程项目的工期压力的基础上,研究了工程项目的工期压缩方法、工期的影响因素,阐述了传统项目的工期压缩方法及其问题,总结了“设计—建造”项目工期压缩方法的途径。对工期压缩的工程项目管理的理论研究和实践运用具有一定的参考价值和实践意义。     

工程项目工期—成本—质量—安全水平综合优化研究

目前工程项目多目标优化的相关研究中,较少考虑工期、成本、质量等目标与安全水平之间的联系。针对这一不足,在分析工序安全水平影响因素的基础上,得到了成本—安全水平优化模型,并将安全目标引入工期—成本—质量优化模型,构建了工期—成本—质量—安全水平均衡优化模型。为了有效求解该型,引入了量子粒子群算法,结合工程实例进行模拟仿真,得到工期、成本、质量与安全水平的一系列 Pareto 解,并进行方案决策,结果表明得到的 Pareto 解集能为项目管理者的决策提供有效支持,量子粒子群优化算法在求解该模型方面是有效性的。     

利用工程网络计划对费用和工期的优化

文章介绍了工程项目在一定约束条件下,为达到既定的工期和费用目标而对工程网络计划进行改进优化的方法,从工程费用与工期的关系上对网络计划的优化过程进行了阐述,对工程项目的管理起到积极作用.