不确定性网络计划的工序作业时间研究

计划评审法在确定工序作业时间时 ,可采用估计出该工序最可能的作业时间、乐观的作业时间和悲观的作业时间 .然后 ,取三者的加权平均数 .同时 ,采用专家取值法 ,确定基于集对分析的不确定性网络计划的工序时间 .对工序作业时间实现的概率 。

不确定性网络计划技术在煤矿采掘中的应用

利用不确定性网络计划技术以及“闭合圈”原理等方法,建立能满足采掘持续计划、经济上合理、工期最优化的线性规划模型。其目的是对采掘持续计划中的诸多工序进行压缩、优化,从而使总工期缩短。通过实例结果的分析,证实在煤矿采掘中应用不确定性网络计划技术对采掘网络系统进行优化是可行的,它使采掘持续更为合理,不确定性网络优化技术的特点得以发挥,网络中关键线路和非关键线路上关于工期实现的概率能得到保证。

时间和费用不确定的网络计划资源均衡优化

研究了基于网络计划活动的时间、费用是随机分布,且活动持续时间上费用分配(时间—费用模型)非均匀分布的工期固定—单资源(投资资金)均衡优化问题。对时间和费用具有不确定性的网络计划进行Monte-Carlo仿真以及仿真输出的统计分析,获得了n次仿真输出结果的代表性样本。以代表性样本的仿真输出数据构造一个确定性网络计划,并根据实际情况假定该确定性网络计划各活动持续时间上费用的分配服从Weibull分布,由此在整个周期内迭加得到一个多峰的Weibill时间—费用模型。最后,采用启发式的“削峰填谷法”对呈现“高峰”和“低谷”落差很大的,具有很强的不均衡性Weibill时间—费用模型进行均衡优化,得到了一个较为均衡的投资强度分布。

基于蚁群算法的工程项目资源受限施工进度优化

资源受限的施工进度问题求解困难。针对大型项目网络计划的不确定性,引入改进的蚁群优化算法(Ant Colony Optimization,ACO)研究了资源受限条件下施工进度优化问题,克服了传统启发式资源均衡优化算法在大型网络计划中不能保证最优解的缺点,得到一个资源受限的网络计划。最后,以实例验证了该仿真与优化模型的合理性和方法的实用性,对大型项目的工期资源优化具有实际的应用价值。