多目标资源受限项目调度的多种群蚁群算法

为实现资源受限项目调度的多目标优化,通过改进传统蚁群算法,提出适用于多目标优化的多种群蚁群算法.该算法基于串行进度生成机制,每个蚁群具有各自的目标函数、与目标函数相匹配的不同搜索策略以及各自的信息素更新机制.各蚁群独立进行搜索决策,但各蚁群之间存在信息素的相互作用,从而实现加速搜索.针对多目标资源受限项目调度问题设计新的精英策略.在目标规划基础上构造一系列多目标项目调度算例,经系统测试表明,所提出的多种群蚁群算法能够有效优化资源受限项目的资源配置,实现多目标优化.     

资源约束下多项目调度的迭代算法

项目实施过程中往往涉及到不同项目之间的资源共享与冲突,因此在资源受限的情况下如何调度项目以满足不同项目的资源要求并缩短各项目工期是一个重要的问题．在对该问题进行分析的基础上,建立了资源约束下的多项目调度问题的数学模型,并在单项目调度迭代算法的基础上进行扩展和改进,设计了多项目调度的迭代算法．该算法结合了串行进度计划生成机制和逆向算法的优点．在保证项目任务紧前关系与资源约束的条件下,能够合理优化多项目的资源分配,从而有效地缩短多项目的总工期．通过具体实例的应用和与其他算法的比较,说明了迭代算法可以得到较好的项目进度计划．     

抢占式资源受限项目调度问题的遗传算法

要: 针对抢占式资源受限项目调度问题中任意活动只被允许抢占最多1次的子问题,在经典的活动列表和优先权值编码方案基础上,引入抢占点概念,设计2种新的二维编码方案,并设计相应的解码方法.在4种编码方案基础上,采用不同的选择算子、交叉算子及变异概率,并对各种遗传算法的参数设置进行系统的实验测试,确定各方案的最佳参数设置.基于标准PSPLIB数据集设计大规模计算实验.结果表明,在资源受限项目调度问题中引入抢占能够显著缩短项目工期,采用优先权值编码方案的遗传算法在抢占式资源受限项目调度问题上有良好的求解效果,当问题规模扩大时采用活动列表编码方案的遗传算法也表现良好.     

并行工程项目调度的组合随机抽样算法

为了克服传统的基于任务优先规则的启发式算法的局限性，提高并行工程项目的资源配置效率和缩短项目工期，提出了一种基于串行进度生成机制的组合随机抽样算法.该算法拓展了单项目串行进度生成机制，并引入基于后悔值的随机函数，组合不同的任务优先规则，对并行项目的各任务进行重复随机抽样，从而选择最好的进度计划.经系统算例检验表明，该算法能够有效优化并行项目的资源配置，从而显著缩短项目工期.     

基于组合拍卖方法的资源受限多项目调度

为求解资源受限多项目调度问题,提出了一种基于组合拍卖机制的项目资源分配方法.该方法将单位时段的单位资源看作拍卖品,引入动态资源价格,将单个项目进度计划看作一个组合拍卖品.要求单个项目进度计划在满足任务紧前关系与资源约束的前提下,既要减少项目误期赔偿.又要降低项目资源成本.通过逐步调节不同资源在不同时段的价格,引导各项目合理利用不同时段的资源,从而解决各项目之间的资源冲突,实现资源受限多项目调度问题的整体优化.通过实际算例,演示了该方法的资源调配过程,并通过数字实验验证了该方法的有效性.     

柔性工时约束下项目调度及其蚁群算法

针对软件工程项目调度问题,在考虑加班工时的情况下,提出了柔性工时约束下项目调度问题的数学模型,并设计了相应的蚁群算法。模型对项目人力资源的特殊性进行了分析,指出项目人力资源是一种特殊的可更新资源,在允许加班的情况下,人力资源构成特殊的柔性工时约束。针对所设计的数学模型,在并行项目进度生成机制基础上设计了蚁群算法,并通过算例进行验证与分析。     

基于内容分析法的大型项目特征研究

鉴于大型项目在社会经济发展中的重要作用,大型项目管理已成为项目管理领域新的研究热点。但是现有研究对大型项目的界定与特征分析尚不够系统与清晰,阻碍了相关研究的进一步发展。为此,在文献综述基础上构建了大型项目特征类目体系。对Web of Science全文数据库中1998～2011年间发表的相关学术文献进行检索,并采用内容分析法提取大型项目特征,从而识别出大型项目的特征及其优先级。研究发现,对于大型项目而言,时间约束、利益相关者、社会经济环境影响和风险性是最重要的项目特征。     

关键链项目管理方法综述

关键链项目管理方法是约束理论在项目管理上的应用,是近年来项目管理领域的重要创新.与传统的项目管理方法相比,该方法强调在制定项目计划时考虑现实存在的资源约束、在项目执行过程中的动态管理以及整个项目管理流程的持续改进.本文归纳了约束理论的思想内涵和具体步骤,系统分析了如何应用关键链方法进行项目管理,并深入探讨了当前关键链方法的优缺点和局限性.     

资源受限多项目调度的混合遗传算法

针对资源受限多项目调度问题,提出了改进后的混合遗传算法.该算法基于串行进度生成机制,结合多项目任务列表与项目优先权设计了新的染色体,所设计的交叉算子与变异算子均能保证所得新个体满足项目紧前关系约束,从而有效提高算法搜索效率.算法充分利用不同启发式算法构造初始种群,有效扩大种群多样性以避免过早收敛.算法采用正向逆向调度技术对调度方案进行优化,进一步提高了调度方案的质量.与其他多项目调度启发式算法相比,该算法能有效分配资源,显著缩短项目平均总工期.