多技能资源能力不均衡环境下项目调度的鲁棒优化方法

现实项目在实施过程中面临着诸多不确定因素,鲁棒项目调度是应对项目不确定性,减少进度偏差的有效手段。此外,项目中还广泛存在一类能力不均衡的多技能资源,这类资源会提高调度计划制定的难度,但同时资源之间更为灵活的替代、合作关系也为鲁棒项目调度提供了更大的优化空间。基于此,设计两阶段算法求解不确定环境下含有此类资源的项目鲁棒调度计划。第1阶段构造基于规则的启发式算法:结合活动优先规则、资源权重规则,通过0-1规划模型求解基准调度计划及资源分配方案。第2阶段设计鲁棒优化算法:通过时间缓冲的有偏随机插入与回退,以及资源分配方案的调整对基准调度计划进行鲁棒优化。仿真实验表明,不同风险水平下,算法在求解不同规模的项目算例时,所得的调度计划在鲁棒性方面均表现出了明显的优势。

不确定环境下考虑多技能人力资源的复杂产品MRO服务资源调度

针对复杂产品维护、维修、大修(MRO)服务资源调度中存在人力资源多技能异质而导致任务实际执行工期随着指派方案的不同而变化的问题,将多技能工调度与人员学习效应相结合,建立“任务技能人员”的匹配关系。以最小化服务完成时间、最小化人员冗余和最大化资源性能成本比为目标,构建资源调度时间参数不确定条件下的随机机会约束规划数学模型。并提出一种基于随机模拟、BP神经网络和改进NSGA-II的混合智能算法进行求解。通过具有不同参数特征的对比实验案例和敏感性分析,验证了所提模型和算法的有效性和适用性。

面向资源约束的电动公交车充电调度策略

为减少公交运营成本、合理制定插入式充电模式下公交总站的电动公交车充电调度方案,本文基于帝国竞争算法提出了一种面向资源约束的公交车充电调度策略(RCO-CSS)。基于电动公交车运营的时空特点和充放电特性,应用多技能资源约束多项目调度问题(MSRC-MPSP)运筹规划思想对电动公交车充电问题进行抽象建模,以车队规模与充电桩数量为主要资源参数,以最小化充电成本和日均设备购置成本为目标,构建资源约束充电调度模型,进而设计一种二阶段演化帝国竞争算法(TSE-ICA)对模型进行求解,输出最佳的充电调度方案及匹配的行车运营计划。采用4个分别包含5、10、20和36条线路的公交运行实例对RCO-CSS进行了性能评估与有效性验证。在实例探讨中,首先运用Taguich法对资源参数进行了敏感性分析,发现资源越宽裕,模型输出的日充电费用越小,但车辆与充放电设备平摊至每日的购置成本越大;其次,将TSE-ICA与其他4种先进的元启发式算法进行实验数值对比,验证了所提算法的寻优性能;最后,通过与无序充电调度策略和常规有序充电调度策略进行比较,证明了RCO-CSS能够更好地降低用电成本、设备购置成本和电池充放电次数。基于MSRC-MPSP和TSE-ICA的RCO-CSS为公交运营商制定充电调度方案和行车运营计划提供了一种可行且敏捷高效的新思路。

基于强化学习的多技能项目调度算法

多技能项目调度存在组合爆炸的现象,其问题复杂度远超传统的单技能项目调度,启发式算法和元启发式算法在求解多技能项目调度问题时也各有缺陷.为此,根据项目调度的特点和强化学习的算法逻辑,本文设计了基于强化学习的多技能项目调度算法.首先,将多技能项目调度过程建模为符合马尔科夫性质的序贯决策过程,并依据决策过程设计了双智能体机制.而后,通过状态整合和行动分解,降低了价值函数的学习难度.最后,为进一步提高算法性能,针对资源的多技能特性,设计了技能归并法,显著降低了资源分配算法的时间复杂度.与启发式算法的对比实验显示,本文所设计的强化学习算法求解性能更高,与元启发式算法的对比实验表明,该算法稳定性更强,且求解速度更快.

基于拍卖谈判机制的分布式多技能多项目调度

求解分布式多项目调度问题的关键是设计有效的资源协调机制以解决项目间的全局资源冲突。当全局资源为多技能人力资源时,调度项目活动开始时间的同时还需要满足“活动-技能-资源”的匹配关系,从而为多项目制定高质量的调度计划与全局资源指派方案。基于多Agent系统,建立局部调度优化与全局协调决策的双层模型;采用基于正向逆向调度改进的遗传算法求解初始局部调度计划;以人力资源各时段的使用权作为拍卖品,设计考虑人力资源多技能异质特点的拍卖谈判机制协调全局资源冲突。改编MPSPLIB算例集并开展实验研究,研究结果表明:本文设计的拍卖谈判机制与改进的遗传算法相结合可以有效协调不同规模问题的全局资源分配;拍卖谈判机制在测试问题集上的求解结果优于序贯博弈谈判机制;问题规模越大或资源冲突程度越强,项目协调调度难度越大,全局资源分配过程越复杂。

一类局域性多技能资源受限项目调度的新算法

多技能资源受限项目调度问题(简称MS-RCPSP)是项目管理中颇具代表性的调度问题,一般性问题以“资源全局受限”为特征.本文从新视角,针对实际中广泛存在的资源局域受限情况,以及反应性和应急性等情况,研究局域性MS-RCPSP;并重点考虑一类典型问题:项目某部分的平行活动,可用的资源量极少,甚至为1,但具备各活动所需技能,且可重复使用,需安排该资源顺序完成这一众活动,使项目工期最小化.虽是局域性调度,但项目系统性使其“牵一发而动全身”,难度可能不亚于全局性调度.本文从探索问题“局域性”特征入手,量化局域调度导致的项目工期延迟,并发展整数线性优化强对偶理论,结合Dantzig-Wolfe分解法,开发出伪多项式时间精确算法求解该问题;通过仿真模拟测试,验证该算法计算大规模问题案例精确解的优势.

多技能资源时间窗约束下可中断项目调度的分支定界算法

资源的多技能和时间窗属性是软件开发、工程设计、设备维修等领域在人力资源调度时常考虑的关键因素,而且在很多实际项目中,任务的执行允许中断.研究一类资源具有多技能和时间窗约束的任务可中断项目调度问题,建立了相应的整数规划模型,设计了一种分支定界算法构造搜索树进行求解,搜索树的每个节点代表一个任务组合,同时为减少分支节点数,提出了两个有效的剪枝规则,并设计了节点优先规则,对各节点任务组合则采用贪婪算法来进行资源约束判断.利用改进的PSPLIB案例库设计多组计算实验,实验结果检验了优选策略的有效性,经与CPLEX模型求解和基本启发式方法的对比揭示了算法在解决这类问题上的效率和有效性,求解结果可为实际项目调度提供决策依据.

求解多技能人力资源约束的项目调度问题的两阶段算法

针对一类多技能人力资源约束的项目调度问题(PSPMSWC),提出了一种两阶段优化算法,并按算法步骤对模型进行了分解.算法针对分解后的子模型,应用遗传局域搜索及CPLEX优化软件对模型进行求解,并设计了整体迭代求解策略,从而确保所有问题案例都能够进行求解.通过引用基于标准问题库中的典型问题,生成了大量随机算例,并对算法进行了求解实验.实验结果显示,所有案例均能够迅速求解,部分案例可达到最优,从而证明该方法是一种求解PSPMSWC的有效方法,具有较强的实际意义.

不确定工艺路线下考虑人员技能的检修车间作业调度研究

轨道列车保有量的持续增长和列车服役年限的逐渐积累对运维企业的检修效率提出了更高要求。检修工艺不确定、高水平多技能检修人力资源短缺等因素严重制约检修车间作业调度优化。鉴于此,本文聚焦轨道交通零部件检修车间调度问题,从搭建调度框架、求解调度模型、开发调度系统等方面开展研究。首先结合轨道交通车辆相关检修标准及要求,对不确定检修工艺路线、人员的技能与等级进行了详细定义,构建了检修调度作业框架;然后建立了不确定工艺路线下考虑人员技能的检修作业调度数学模型,并采用遗传算法进行求解;最后,依托某轨道交通运维企业进行了案例分析,并开发了检修调度原型系统。案例分析结果表明,本研究方法对于缩短检修周期、提高人员利用率等方面提升显著。本研究的成果,有助于具有相关问题背景的企业提升调度能力,提升检修效率。

多技能项目调度问题研究综述

多技能资源在现实项目中越来越常见,相应的调度问题也受到学术界的广泛关注.鉴于此,对国内外多技能项目调度问题的研究成果进行了系统性的总结与梳理.在分析多技能项目特点的基础上,从目标函数和约束条件两个方面归纳了不同环境下多技能项目调度问题的建模方法.然后评述了相关求解算法,分析了精确算法、启发式算法和元启发式算法的特点以及改进的方向,列举了在验证算法性能时常用的多技能项目算例库,并对比了不同算例库的优缺点.最后,对多技能项目调度问题的进一步研究提出了一些建议.

求解广义优先关系下多技能人员项目调度问题的改进布谷鸟搜索算法

为解决传统的完成—开始时序不能满足描述真实项目调度顺序要求的问题,引入广义优先关系(GPRs)及改进的AON描述任务的时序约束。提出将布谷鸟搜索算法应用于求解广义优先关系下的多技能人力资源项目调度问题(MS-RCPSP/GPRs)中的构想,建立了基于改进布谷鸟搜索算法(ICS)的求解方法,采用Powell局部改进技术和精英保留策略,并给出了算法流程。基于相关案例生成器生成该问题的数据集,实验结果表明ICS是一种求解MS-RCPSP/GPRs的有效方法,对解决实际问题具有重要意义。

基于动态资源权重的多技能项目调度启发式算法

多技能资源受限项目调度问题中,一个资源可同时具备多项技能,相较于传统的单技能项目调度,其资源分配对调度计划的工期影响程度更大,因此在对多技能项目进行排程时更加重视资源的分配.基于此,从资源视角提出一种启发式算法求解工期最短的调度计划.算法以并行调度为主体,并设计一种动态资源权重计算方法,在每一决策点,首先采用二分图最大匹配法确定当前可排活动集,而后将动态资源权重值作为调度过程中资源分配的依据,其核心思想是将资源灵活度高、对后续活动影响大的资源留置,以待下一决策点调用.最后,为验证算法有效性,对不同参数设置下的算例进行实验,结果表明,相较于随机资源分配算法和静态资源权重算法,新算法具有明显优势.

考虑多技能人力资源的分布式多项目调度问题

在分布式多项目管理中,当考虑共享资源为多技能人力资源时,共享资源的指派涉及到"活动-技能-资源"的匹配关系,进一步考虑人力资源多技能异质的特性,还会导致活动实际执行工期会随着指派方案的不同而变化,因此,考虑共享资源为多技能人力资源的分布式多项目调度问题是一类具有很强现实背景和理论研究价值的NP-hard问题.基于多Agent系统,建立以单项目完工时间为优化目标的局部调度模型,以及多项目总延期成本为优化目标的全局协调决策模型;考虑人力资源多技能异质的特点,设计基于贪婪指派策略的序贯博弈谈判机制指派共享的人力资源;基于Ran Gen随机生成的多项目算例开展实验研究.研究表明:基于贪婪指派策略的序贯博弈谈判机制对于程度不同的资源冲突和不同规模问题的求解均具有较好的适应性,可有效降低多项目总延期成本,且求解效果优于随机分配策略;设计的优先指派技能水平高、掌握技能数少、工作时间短的全局资源指派策略,可获得较优的人力资源指派方案和多项目调度计划.

T公司IT研发人员负荷均衡化研究

移动互联网已经发展到深水区,现在各行各业尤其是消费端,都是平台经济。蓝海基本消失殆尽,红海也越来越卷。T公司作为一家互联网金融公司,主要业务是基金代销。从17年开始,理财通、京东金融、度小满等有着大型互联网公司背书的金融公司切入到这个行业并有着飞速发展。如何在众多高手中脱颖而出,如何充分利用集团公司的金融牌照优势,这是T公司迫切需求。具体到IT部门就是需求持续迭代,实现小步快跑。在软件功能上凸显差异化,在用户体验上凸显人性化。在这样的背景下多技能研发人员获得了更多的关注,因为他们可以显著的提升研发的进度与质量。同时大多数一线开发人员的薪水是相差不多的,如果部分员工长期处于高负荷状态,那么会导致团队的公平性缺失,从而给整个团队带来负面情绪以及人力资源的不稳定。基于行业前景及IT人力资源现状,T公司需要充分利用多技能人力资源并且有效控制人力资源负荷的均衡性。考虑平台软件基本是快速迭代的,可以看作连续的单个项目。因此本文有且以单个项目的调度问题为研究对象。具体以工期、人力资源负荷均衡度为目标构建模型;基于启发式算法、分支定界法进行模型求解并进行实例验证。最后得到兼顾工期和人力资源负荷均衡化的指派策略,以期为项目管理者提供决策参考。

基于区块模型的蚁群算法求解项目调度问题

新产品研发过程中资源合理优化配置程度影响着研发周期的长短。以缩短研发周期为目标,构建了多技能资源项目调度问题模型,在蚁群优化算法基础上引入区块模型,建立了一种基于区块模型的蚁群算法,提出了一种分层编码策略用于解决活动的优先关系约束问题,采用串行调度生成机制提高初始解质量。使用改造后的PSPLIB(Project Scheduling Problem Library)算例进行测试并与其他算法比较,仿真结果表明:对于小规模问题,该算法可获得精确度非常高的可行解且收敛速度更快;对于大规模问题,该算法在提高求解质量和求解速度方面同样具有良好的性能。