鲁棒项目调度问题中资源流网络生成算法研究

针对工期不确定下的资源受限项目调度问题中常见的资源冲突问题,提出了基于"稳定性成本贡献值"与"后向子网络复杂度"的资源流网络生成算法,以提高项目计划的鲁棒性。采用项目调度问题发生器PROGEN(Project Generator)来产生需要的测试算例,应用Matlab程序实现对问题模型的求解,并与现有资源流算法对比验证了算法的有效性和可行性。

基于资源流网络优化的鲁棒性项目调度

针对项目执行过程中由于活动拖期导致基准调度计划不断变更的问题,从资源分配的角度构建基于资源流网络优化的鲁棒性调度计划。首先设计拖期惩罚成本指标来衡量调度计划的鲁棒性,并构建以拖期惩罚成本最小化为目标的资源流网络优化动态模型。针对该模型设计MTPC资源流网络优化算法,该算法以活动为基准,采用拖期惩罚成本最小的资源分配方案实现资源在活动节点之间的有效流动,提升调度计划的鲁棒性。最后,为验证MTPC优化算法的有效性和可行性,通过采用蒙特卡罗模拟仿真实验将MTPC优化算法与RRAS、Min-EA和MABO等3种资源分配算法进行对比分析。实验结果表明:MTPC算法在调度计划的鲁棒性,资源分配方案的稳定性以及算法的时间效率上都优于其他3种算法。MTPC算法不仅能快速有效地完成资源配置,还能通过降低活动的拖期风险提升调度计划的鲁棒性,这可以帮助项目管理者构建抗干扰能力较强的基准调度计划。

基于资源流网络与时间缓冲集成优化的鲁棒性项目调度

针对工期不确定的资源受限项目调度问题,将鲁棒性资源分配和时间缓冲插入两种方法进行有效地结合,通过设计两阶段集成优化算法构建抗干扰能力较强的鲁棒性项目调度计划.第一阶段提出MEPC（minimizing expected penalty cost）资源流网络优化算法,通过对资源进行有效配置生成稳定的资源流网络.为进一步提升调度计划的鲁棒性,第二阶段通过固定第一阶段构建的资源流网络,设计EPC（expected penalty cost）缓冲优化算法,通过迭代方式在延期风险较大的活动前插入时间缓冲,实现项目期望惩罚成本最小化.最后通过大规模仿真实验从“解”鲁棒性“质”鲁棒性两方面来验证两阶段算法的有效性和可行性,结果表明通过将资源流网络与时间缓冲进行集成优化构建的调度计划不仅具有较好的完工性并且能更有效地应对项目执行过程中各种不确定性因素的干扰.

基于资源流网络优化的Max-npv项目调度

活动拖期通过资源流网络的传递会严重影响项目的净现值收益。针对该问题,本文首先在确定性环境下采用模拟退火算法(SA)构建了Max-NPV(Maximize the Net Present Value)非鲁棒性基准调度计划,然后考虑到活动工期的不确定性,设计了MEPC(Minimize Expected Penalty Cost)资源流网络优化算法,通过鲁棒性资源分配实现净现值期望惩罚成本最小化。大规模仿真对比实验结果表明,在活动工期低、中、高三种不确定性程度下,相对于采用随机资源分配算法(SA+RRAS)构建的非鲁棒性调度计划,SA+MEPC算法构建的鲁棒性调度计划在项目净现值实际收益、调度计划的“解”鲁棒性和“质”鲁棒性三个方面都取得了更好的结果,并且应对活动拖期风险的能力也更强。

带转移时间的资源受限项目鲁棒调度优化

为使项目在面临活动工期扰动时尽可能按照基准调度计划稳定执行,针对带转移时间的资源受限项目调度问题提出鲁棒调度与资源分配集成优化方法。分别从资源转移关系、活动时差、随机活动工期三个不同角度设计三种解鲁棒性代理指标,构建了两个混合整数规划模型(MinEA,MaxPF)和一个随机规划模型(MinTPC),并分别采用精确方法和禁忌搜索启发式算法求解;在此基础上提出MinTPC+MaxPF混合优化策略。仿真实验结果表明,MinTPC+MaxPF方法在项目解鲁棒性和质鲁棒性两方面均能获得最优绩效;MinEA方法的解鲁棒性优于MinTPC,而后者的质鲁棒性优于前者。所研究的模型和方法,可以为项目决策者在工期不确定环境下协调活动进度安排和优化资源转移提供指导,提升项目计划鲁棒性,提高企业的经济效益。

基于补偿费用最小的鲁棒性水利项目群调度模型

对人力资源在水利项目群中的调度分配问题进行研究,以提高项目群的鲁棒性,保证项目群的补偿费用最小。从业主角度出发,在构建净现值工期延误补偿费用这一鲁棒性指标的基础上构建鲁棒性水利项目群调度模型。该模型对工期固定的水利项目群以净现值工期延误补偿费用最小为目标对人力资源进行分配,运用设计的MSDCC算法进行求解;针对项目群某一个合同项目发生拖期的情况,在业主采取措施保证总工期不变再进行优化分配。研究结果表明:构建的模型能够获得鲁棒性高的调度方案,可实现补偿费用最小的目标,且能有效地控制调整后的补偿费用与拖期风险。

关键链项目调度中的资源分配算法研究

研究关键链项目调度中的资源分配算法,以提高调度计划的鲁棒性进而抵御不确定性的干扰。根据关键链项目调度的特点,提出了关键链资源分配算法(CCRA),该算法优先满足关键链活动的资源需求,并减少非关键链到关键链的资源传递,以制定鲁棒性强的资源分配计划,从而保护项目完工期。最后,通过大规模仿真实验比较了3种不同资源分配方案对关键链项目调度鲁棒性的影响,验证了CCRA算法的有效性。结果表明,合理的资源分配方案可以有效提高关键链项目调度的鲁棒性。

资源转移视角下的RCPSP鲁棒资源分配方法

为使项目在工期不确定环境下既能按计划稳定执行又能维持较低的成本,以项目鲁棒性和资源转移成本为优化对象,构建了一个鲁棒资源分配优化模型.引入一种开始时间关键度指标作为项目的解鲁棒性目标,不同于已有研究均采用基于活动的资源流描述,模型定义了基于资源的二元决策变量,以表示某一资源单元在项目活动之间的转移次序.结合遗传算法和模拟退火算法的优点,提出了遗传退火混合智能算法对模型求解,模拟实验结果证明了所提算法在寻优效果和收敛速度方面的优越性.最后通过真实项目案例,进一步验证了模型和算法的实用性与有效性.

煤矿应急物资储备运输问题的最优条件

最小费用流问题在网络流问题中增加了费用方面的指标,从而使网络流问题扩展到在费用、容量网络中求最佳的流量配置,使总流量达到预定值(或最大值)条件下总费用最低,这在现实生活中起着重要的作用。在求解最小费用流问题时,通过研究流分解性质、最短路问题的最优条件、对偶线性规划的互补松弛性等,给出三种不同但等价的最优条件:负圈最优条件、减少费用最优条件和互补松弛最优条件,由这三种最优条件分别给出三种对应的算法。将这三个算法分别应用于一个煤矿应急物资储备运输问题,说明三种最优条件在解决专项问题时可以根据实际情况选用构造最合适的算法求解问题。