项目调度与多尺度资源配置的集成优化

资源是项目活动执行的基础保障,是项目进度计划顺利实现的关键要素之一。项目调度与资源配置相互依赖、相互影响。考虑现实项目资源需求在时间维度上的波动性特征,研究项目调度和多时间尺度的资源配置的集成优化问题。建立以工期和资源配置成本最小化双目标优化模型,并针对问题特征设计基于粒子群算法的双层启发式算法。通过实验分析,探索项目调度与资源配置之间的关联,多尺度资源配置决策的优势,并且对算法的有效性进行对比分析。实验证明,提出的双层启发式算法能快速有效求解该问题。多尺度资源配置策略比单一尺度下的资源配置策略更具灵活性,能有效降低资源成本、提高资源效用。

基于广义动态约束满足的产品应用服务构件模型研究

为提高产品应用服务系统的构建效率和服务设计的复用性能,提出可配置的产品应用服务构件模型及其配置实现机制。首先,给出了产品应用服务服务要素及其相互关系的描述,针对应用服务构成要素的特点,提出可配置的产品应用服务构件模型;然后,根据产品应用服务构件模型中的特征变量、接口变量、属性变量和约束关系的特点,提出了产品应用服务构件模型的广义动态约束满足转换的概念,通过变量集和约束集对构件模型进行描述,并采用双层组合启发式求解算法实现构件性能的综合最优化,生成一簇具有较高复用价值和复用性能的产品应用服务构件。最后通过实例,验证了所提模型的实用性和有效性。

基于地铁-货车联运的动态配送选点-路径问题

为应对传统动态需求下单一车辆配送成本高、时效差等问题,通过共享地铁剩余运能将地铁网络融入城市末端配送网,提出基于地铁和货车联运的动态选点-路径问题。从联合运输配送成本最小化角度出发,考虑动态需求、客户服务时间窗、多转运点接送等因素,构建地铁转运点选择、货车调度以及接运配送路径的两阶段动态选点-路径整体优化模型。针对模型特征,设计“初始阶段+动态阶段”的两阶段启发式算法,将Mark-Sweep算法和蚁群算法相结合求初始解,再设计双层启发式集成算法求动态解,为提高算法的求解质量和效率,外层遗传算法采用矩阵编码结构并通过截取掩码方式改进交叉变异算子,内层蚁群算法采用关键值编码结构并改进多点接送概率选择操作,通过内外层信息交互实现选点和路径的集成优化。最后结合不同算例验证模型与算法的合理性及有效性。结果表明,基于地铁和货车联合运输开展动态配送,不仅能有效提高配送时效性和精准度,而且能使配送成本降低约18%。