资源约束项目调度论文-崔晓,何正文,王能民

资源约束项目调度论文-崔晓,何正文,王能民

导读:本文包含了资源约束项目调度论文开题报告文献综述及选题提纲参考文献,主要关键词:应急救援,反应性调度,资源约束,多模式

资源约束项目调度论文文献综述

崔晓,何正文,王能民[1](2018)在《资源约束应急救援多模式项目反应性调度优化》一文中研究指出基于活动工期的不确定性,研究了资源约束应急救援多模式项目反应性调度优化问题。首先界定问题,以最小化反应性计划与基准计划中各活动开始时间的加权绝对偏差之和为目标,构建优化模型;其次针对其NP-hard属性,设计了双层禁忌搜索启发式算法;最后以一个实际煤矿透水事故救援过程的求解说明研究,得到如下结论:调整时刻越靠前,调整损失越大;随救援时刻推进,调整损失总体上呈降低趋势,但因活动权重大小差异,调整损失可能局部增大;在某些调整时刻,通过合理选择活动执行模式可降低其调整损失;而在某些调整时刻,虽然调整损失发生变化,但救援总工期可能不变。本研究可为应急救援多模式项目的反应性调整提供决策支持。(本文来源于《工业工程与管理》期刊2018年05期)

安晓亭[2](2018)在《基于改进蚁群优化算法的多目标资源约束项目调度问题研究》一文中研究指出近年来,随着经济全球化进程的提速,高效的项目管理方法已经在建筑工程、软件开发、机械制造、计算机行业等众多领域得到了广泛的应用并受到更多的重视。实际项目管理的特点越来越趋于复杂化和大型化,即在满足资源约束和逻辑约束的前提下,如何以最优方式安排项目中各项活动的优先级,该类问题就形成了资源约束项目调度问题(Resource Constrained Project Scheduling Problem,RCPSP)。因此,针对RCPSP的研究具有重要的学术价值和实际应用意义。智能优化算法是一类能够有效求解资源约束项目调度问题的优化算法。作为一种新颖高效的群智能算法,人工蚁群优化算法(Ant Colony Optimization,ACO)近年来得到了广泛的关注,但是其在项目调度方面的应用仍然不够深入。鉴于此,本文致力于研究并设计高效蚁群优化算法来解决复杂资源约束项目调度问题,主要的研究工作归纳如下:1、根据RCPSP逐步生成调度计划的性质,提出了有效的改进蚁群优化算法(IACO)进行求解。针对蚁群算法的启发因子计算规则进行改进,从而影响信息素及选择概率的数值,最终对编码结果产生影响,有效地提高了优化算法的性能。2、基于Insert和Swap的两类序列型邻域结构,提出一种带局部搜索的改进蚁群优化算法(IACO_LS)。针对RCPSP问题的特点,提出一种带向前-向后范围限制的局部搜索方法,实现了IACO_LS算法在全局搜索和局部寻优上合理的平衡,有效地提升了算法的性能。3、针对多目标资源约束项目调度问题(MORCPSP-MS-RI),该类问题需要同时考虑项目工期和资源投资,设计了一种高效的Pareto解保存和更新机制,利用提出的IACO_LS算法优化该问题的非支配解。此外,考虑到可能存在的风险,通过设置缓冲来保证项目的成功。论文通过实验设计方法探讨了关键参数设置的影响,基于PSPLIB国际标准测试集的大量数值仿真实验,验证了所提算法的有效性和高效性。最后,针对项目管理的案例说明了本文研究的实际应用,本文所提出的方法能够极大的降低企业的时间资源等成本,有效地提高企业的经济效益和竞争力。(本文来源于《云南大学》期刊2018-06-01)

曾敏[3](2018)在《遗传算法求解多目标资源约束下多项目调度问题》一文中研究指出资源约束下项目调度问题(RCPSP)在企业经营管理中占据重要的地位,在市场环境的复杂变化下,多目标资源约束下多项目的调度问题(MRCMPSP)对企业在项目的经营与管理方面提出的挑战。在此类问题中,多项目之间往往存在资源的共享与竞争,如何在满足资源约束的情况下合理地安排各项目中各活动的开始时间与资源耗费,优化预期的若干目标是解决该问题的研究重点。本文针对MRCMPSP,在考虑项目活动间的关系和资源约束的情况下,首先构建了多目标资源约束下项目调度问题的数学模型。其次基于解决多目标连续问题的遗传算法,提出离散的基于参考点的非支配排序遗传算法(DNSGA-III)。案例分析验证了模型的正确性和算法的有效性。主要求解了叁个目标即项目工期、工程费用和资源使用偏差的资源约束项目调度问题。再应用到单项目的实际工程案例中,通过对案例的实验结果进行分析,表明本文构建的模型正确且该算法在求解此类问题时是有效的,并且优于基于拥挤距离的非支配排序遗传算法。最后基于叁个单项目构建了多项目调度问题,应用构建的模型和提出的算法求解了该多项目调度问题,得到了较好的项目调度方案。(本文来源于《中国石油大学(北京)》期刊2018-05-01)

梁栋[4](2018)在《资源约束条件下基于模糊理论的项目鲁棒性调度研究》一文中研究指出在传统的资源受限项目调度问题(RCPSP)研究中,通常把活动时间、资源等相关参数作为确定值来进行处理。但在实际项目调度中,由于各种不确定性因素的影响,调度结果与预期会有较大偏差,所以提高进度计划稳定性、可靠性的鲁棒性项目调度日益受到关注。同时,考虑资源供应不确定特性时,市场资源供应复杂多变,某种资源在某个时点的供应量更多是回答“大概有多少”问题,而不是“有多少的概率多大”问题,即更多表现为资源供应的模糊性。因此,研究资源约束条件下基于模糊理论的项目鲁棒性调度,不仅具有重要的理论意义,而且具有重要的实践应用价值。针对资源约束条件下基于模糊理论的项目鲁棒性调度,本文主要研究内容为以下几个方面:1.梳理了资源受限项目调度问题(RCPSP)、模糊资源受限项目调度问题(FRCPSP)、鲁棒性项目调度问题(Robust)叁种问题的主要研究成果,明确了资源约束条件下基于模糊理论的项目鲁棒性调度。2.考虑进度计划使用资源对项目鲁棒性影响,改进进度计划鲁棒性评价指标,并采用模糊集理论描述资源供应和作业的不确定性,并建立基于模糊资源缓冲的资源受限项目鲁棒性模糊调度模型。3.基于遗传优化理论,设计资源约束条件下基于模糊理论的项目鲁棒性调度模型的优化求解算法,并结合算例进行计算分析,验证了模型的合理性和算法的有效性。(本文来源于《华北水利水电大学》期刊2018-05-01)

杨建卫,任晓莉,李乃乾[5](2018)在《考虑主/被动资源约束的随机MDP项目调度优化》一文中研究指出为提高项目调度优化过程的合理性,引入一种新的项目调度优化应对冲突的方法,一旦冲突发生在调度方案中,不是重新定义项目的开始时间,而是对冲突的时间调度表进行状态的迁移,得到另一个可行的调度时间表,实现了算法计算效率的提升。然后,将主动和被动项目调度问题作为单一的综合问题来制定,并利用Markov决策过程对上述项目调度优化问题进行建模,有针对性地设计了一种基于随机图的动态规划求解方法。实验结果显示了所提方法在收敛精度和计算效率上的有效性,并通过甘特图方式对调度方案的合理性进行了论证。(本文来源于《计算机科学与探索》期刊2018年09期)

张静文,周杉,乔传卓[6](2018)在《基于时差效用的双目标资源约束型鲁棒性项目调度优化》一文中研究指出进度计划的稳定性对不确定环境下项目的顺利实施具有重要影响。从活动自由时差效用函数的新视角度量调度方案的鲁棒性,进而,同时考虑项目工期和鲁棒性两个目标函数,构建了基于时差效用的双目标资源约束型鲁棒性项目调度优化模型(BORRCPSP)。针对模型的NP-hard和多目标组合优化特征,设计一种调整的快速非支配性排序多目标遗传进化算法(NSGA-II)求解模型。基于PSPLIB中的480个标准算例进行大规模数值仿真测试。采用获得Pareto最优解集合的算例比率、与最优工期的偏差以及Pareto最优解集合的规模和计算时间作为4个评价指标,实验数据的统计结果验证了BORRCPSP模型和调整的NSGA-II算法的有效性。结论表明,BORRCPSP的Pareto最优解集合可以给项目经理综合考虑项目工期和进度计划的稳定性提供定量化决策依据。(本文来源于《系统管理学报》期刊2018年02期)

郑维博,何正文,刘人境[7](2017)在《随机工期下基于可更新资源约束的Max-npv项目鲁棒性调度优化》一文中研究指出从项目双方的视角出发,研究了不确定环境中在可更新资源约束下的、活动工期具有随机性的Max-npv项目鲁棒性调度问题。为了应对随机工期对项目净现值的影响,引入了RFDFF缓冲方法生成鲁棒性调度计划以保证项目稳定执行并得到项目双方净现值的最大化。首先对研究问题进行界定。其次构建由两个子模型组成的项目调度优化模型,随后鉴于问题的强NP-hard属性,设计了禁忌搜索启发式算法求解找到承包商和业主均可接受的满意解。最后用一个实际案例对研究进行了验证说明,并分析了关键参数对合同双方项目收益的影响。结果表明,通过添加时间缓冲的方式可以提高项目的鲁棒性,保证项目的稳定执行。与此同时不同的业主支付方式能够弥补随机工期带来的双方收益损失,保证双方收益的最大化;折现率、支付比例和项目截止日期都会对双方收益产生影响。(本文来源于《管理工程学报》期刊2017年04期)

于静,徐哲,谢芳[8](2017)在《活动重迭模式与资源约束下的项目调度优化》一文中研究指出采取活动重迭模式通常是加速研发的有效手段,带有活动重迭的资源受限项目调度问题是经典资源受限项目调度问题的扩展.首先,深入分析了活动重迭对于项目调度的影响,对活动重迭及其不确定进行详细描述与建模,提出了活动重迭导致下游活动返工时间的二项分布概率模型;其次,构建了以最小化研发项目期望工期为目标的优化调度模型,设计了基于串行进度生成机制的遗传算法对大规模问题进行优化求解;最后,基于PSPLIB J60问题库中480个算例分析了该算法的计算结果,并考察了网络参数、资源参数和重迭参数变化时,采用活动重迭模式对缩短项目工期的影响.研究结果表明:活动对资源的需求强度越小或资源稀缺程度越低,可重迭活动对数量就会增加,项目工期缩短得越明显;网络复杂度的变化对缩短项目工期的影响不大;项目中重迭活动对越多,重迭导致的下游活动返工的概率越小,项目工期缩短的越明显.(本文来源于《管理科学学报》期刊2017年09期)

任逸飞,陆志强,刘欣仪,张猛[9](2017)在《考虑技能水平的多技能资源约束项目调度》一文中研究指出针对带有技能水平的一般多技能资源约束项目调度问题进行扩展,将技能水平进行分级并将技能和资源各分为关键和辅助2类,考虑作业执行时间因分配的关键资源具备的技能水平而变.以最小化项目总工期为目标,建立相应的数学优化模型,提出包含双层决策及局部优化策略的混合算法.其中,上层的遗传算法用于决策表示作业执行顺序的优先级列表,下层的关键资源决策启发式算法用以确定作业实际执行时间并对上层列表进行解码得到问题的可行解.在所得可行解的基础上,采用基于关键链的局域搜索算法,调整资源分配以缩短关键链长度,保证算法的求解质量.数据实验表明,所提算法在求解质量和求解速度方面均具有良好性能.(本文来源于《浙江大学学报(工学版)》期刊2017年05期)

李明亮[10](2016)在《基于改进量子遗传算法的资源约束项目调度问题算法研究》一文中研究指出与传统的遗传算法比较,量子遗传算法是将量子计算与遗传算结合在一起,使算法的解拥有更加有效的并行性和多样性,所以具有快速收敛、寻优能力强和探索效率高的特性。量子遗传算法作为比较优良的的进化计算方法,已经被应用在一些繁琐的项目调度问题的求解当中,并取得了不错的结果。资源冲突常常会出现在不同项目任务共享的资源中,所以在资源约束的条件下怎样去调度项目活动来适应不同任务对共享资源的需要并且尽量减小项目工期是一个首要问题。本文首先介绍量子遗传算法的研究现状和基本概念,例如:量子基态、量子编码、量子旋转门更新以及灾变等。给出基本量子遗传算法的实现流程。针对资源受限型项目调度问题(RCPSP),提出一种优化改进后的量子遗传算法用来求解资源受限型项目调度问题。本方法利用基于角度的量子编码方案,与项目活动的邻接矩阵相结合,解决了项目调度的违规行为,利用优先抢占模式的资源分配方法来调节任务资源,从而解决项目资源分配中出现的冲突问题。实验取用四个拥有不同极值的测试函数对改进量子遗传算法的性能进行分析。得到下面结论:在量子遗传算法中加入量子全干扰交叉操作,能加大染色体的多样性,在解空间内提高了算法的探索能力;加入量子突变操作,能够提升算法的区域探索效能;利用改进量子旋转门和改进量子步长方案,能有效地避免早熟,使算法适用于求解有多个局部极值的问题。论文着重研究改进量子遗传算法及其在资源受限项目调度问题中的应用。提出的基于角度量子编码方案,带有量子交叉、量子突变、种群灾变以及改进量子步长策略的改进量子遗传算法来求解项目调度问题。实验分析说明,通过计算机的多次迭代并行计算,能够有效地解决资源受限项目调度问题。在处理资源受限型项目调度问题中基于改进量子遗传算法的优化方法比传统的量子遗传算法,占用存储空间小,寻优能力强,收敛速度快。(本文来源于《天津大学》期刊2016-11-01)

资源约束项目调度论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

近年来,随着经济全球化进程的提速,高效的项目管理方法已经在建筑工程、软件开发、机械制造、计算机行业等众多领域得到了广泛的应用并受到更多的重视。实际项目管理的特点越来越趋于复杂化和大型化,即在满足资源约束和逻辑约束的前提下,如何以最优方式安排项目中各项活动的优先级,该类问题就形成了资源约束项目调度问题(Resource Constrained Project Scheduling Problem,RCPSP)。因此,针对RCPSP的研究具有重要的学术价值和实际应用意义。智能优化算法是一类能够有效求解资源约束项目调度问题的优化算法。作为一种新颖高效的群智能算法,人工蚁群优化算法(Ant Colony Optimization,ACO)近年来得到了广泛的关注,但是其在项目调度方面的应用仍然不够深入。鉴于此,本文致力于研究并设计高效蚁群优化算法来解决复杂资源约束项目调度问题,主要的研究工作归纳如下:1、根据RCPSP逐步生成调度计划的性质,提出了有效的改进蚁群优化算法(IACO)进行求解。针对蚁群算法的启发因子计算规则进行改进,从而影响信息素及选择概率的数值,最终对编码结果产生影响,有效地提高了优化算法的性能。2、基于Insert和Swap的两类序列型邻域结构,提出一种带局部搜索的改进蚁群优化算法(IACO_LS)。针对RCPSP问题的特点,提出一种带向前-向后范围限制的局部搜索方法,实现了IACO_LS算法在全局搜索和局部寻优上合理的平衡,有效地提升了算法的性能。3、针对多目标资源约束项目调度问题(MORCPSP-MS-RI),该类问题需要同时考虑项目工期和资源投资,设计了一种高效的Pareto解保存和更新机制,利用提出的IACO_LS算法优化该问题的非支配解。此外,考虑到可能存在的风险,通过设置缓冲来保证项目的成功。论文通过实验设计方法探讨了关键参数设置的影响,基于PSPLIB国际标准测试集的大量数值仿真实验,验证了所提算法的有效性和高效性。最后,针对项目管理的案例说明了本文研究的实际应用,本文所提出的方法能够极大的降低企业的时间资源等成本,有效地提高企业的经济效益和竞争力。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

资源约束项目调度论文参考文献

[1].崔晓,何正文,王能民.资源约束应急救援多模式项目反应性调度优化[J].工业工程与管理.2018

[2].安晓亭.基于改进蚁群优化算法的多目标资源约束项目调度问题研究[D].云南大学.2018

[3].曾敏.遗传算法求解多目标资源约束下多项目调度问题[D].中国石油大学(北京).2018

[4].梁栋.资源约束条件下基于模糊理论的项目鲁棒性调度研究[D].华北水利水电大学.2018

[5].杨建卫,任晓莉,李乃乾.考虑主/被动资源约束的随机MDP项目调度优化[J].计算机科学与探索.2018

[6].张静文,周杉,乔传卓.基于时差效用的双目标资源约束型鲁棒性项目调度优化[J].系统管理学报.2018

[7].郑维博,何正文,刘人境.随机工期下基于可更新资源约束的Max-npv项目鲁棒性调度优化[J].管理工程学报.2017

[8].于静,徐哲,谢芳.活动重迭模式与资源约束下的项目调度优化[J].管理科学学报.2017

[9].任逸飞,陆志强,刘欣仪,张猛.考虑技能水平的多技能资源约束项目调度[J].浙江大学学报(工学版).2017

[10].李明亮.基于改进量子遗传算法的资源约束项目调度问题算法研究[D].天津大学.2016

标签:;  ;  ;  ;  

资源约束项目调度论文-崔晓,何正文,王能民
下载Doc文档

猜你喜欢