基于工期-成本综合效用最大的关键链项目缓冲确定

为提高关键链中工期和成本的综合效用,研究一种基于关键链工期和成本进行双目标优化的缓冲确定方法。首先,该方法考虑项目不同工序间工期和成本之间的关系,并基于工期和成本的风险暴露度确定权重,解决不同工序间工期和成本偏好难以量化的问题;其次,根据权重多效用函数对工期和成本进行归一化处理,并确定综合效用最大情况下不同工序的最佳工期;最后基于尾部集中法确定项目缓冲。通过蒙特卡洛模拟实验,将此方法提取缓冲后的项目实际综合效用与传统方法进行比较。比较结果显示,该方法极大地提高项目中工期和成本的综合效用,并且对项目工期和成本均形成更有效的保护。     

工期-费用权衡问题的两个不确定机会约束规划模型

项目调度问题是指管理者通过资源分配,延长或缩短某些工序的持续时间,达到项目费用和工期之间的平衡。在实际工程项目中,环境的不确定性往往是项目管理者需要考虑的因素之一。本文应用不确定理论描述不确定环境中的项目调度问题,将每道工序的持续时间分为正常持续时间和可变动持续时间。其中,假设工序的正常持续时间为不确定变量,可变动持续时间为决策变量,分别构建在项目费用和项目工期约束下的两个不确定机会约束规划模型。依据不确定变量运算法则,将所建立的不确定规划模型转化为等价的确定模型。最后,通过一个工程实例验证模型的合理性。     

基于子网络的项目群工期延误惩罚模型研究

针对现有项目群工期延误惩罚模型较少研究工期延误产生的局部与整体效应,通过引入项目群的子网络,构建了基于子网络的项目群结构。在此基础上,采用关键路径方法(CPM),分别研究了因承包人原因导致的子网络之间和子网络内项目工期延误对项目群所带来的影响,并构建了基于子网络的项目群工期延误惩罚模型。结合Z项目群,对子网络之间和子网络内的工期延误惩罚模型进行了实例分析。     

柔性工期下的资源受限项目调度双目标优化研究

在项目调度过程中,活动工期应根据项目截止工期以及资源供给情况进行合理设置,而在传统的资源受限项目调度问题(RCPSP)中,活动的工期往往是已知且固定的,这在一定程度上限制了项目调度的灵活性。多模式下的项目调度方式虽然弥补了这一缺点,但其提供的工期-资源组合种类固定且有限,并不一定能保证包含最优的工期-资源组合。本文将活动工期作为项目调度问题的决策变量,允许其在一定范围内取值。这种柔性工期调度方式虽然增加了项目调度难度,但提高了项目调度灵活性,同时可以起到压缩项目完工时间的作用。为验证柔性工期调度方式对项目工期和成本的影响,本文建立了工期-成本双目标权衡优化模型,设计了两阶段嵌套算法(NSGAⅡ-RS)对其求解,实验证明,柔性工期调度策略是一种鲁棒性较好的项目完工时间压缩策略。     

基于复杂网络的并联式项目群结构脆弱性评估

运用复杂网络研究并联式项目群的结构脆弱性。将项目群中的任务用节点表示、任务之间的依赖关系用边表示,依据任务的工期确定点权、任务之间的依赖强度确定边权,则并联式项目群被抽象为一个有向加权网络。在分析并联式项目群网络拓扑特征的基础上,构建并联式项目群脆弱性评估模型,并对一个并联式项目群进行脆弱性评估。仿真结果表明该方法可以对并联式项目群脆弱性进行定量化评估、能够有效识别结构中的脆弱环节。本研究为保障项目群顺利实施、抵御风险提供了新的思路。     

活动执行时间可提前的多模式反应性项目调度优化

研究不确定活动工期下活动执行时间可提前的多模式反应性项目调度问题。首先对反应性研究现状进行综述;其次建立以最小化反应性总成本为目标的优化模型;随后基于问题特点设计禁忌搜索算法;最后通过具体案例分析关键参数对反应性成本的影响,并得出结论:执行时间提前得到的反应性成本及完工时间明显低于执行时间不可提前的结果;随着项目推进,总成本及影响的活动数量总体上呈减小趋势,但项目完工时间在某些时刻维持不变;对于工期增加较大的活动,将其本身或紧前活动提前启动,或将其转换至活动工期较短的模式可降低反应性成本。研究可为不确定环境下反应性计划制定提供决策支持。     

带有资源柔性约束的max-NPV分布式多项目调度问题

现有的分布式资源约束多项目调度问题研究中,假定全局资源限量在多项目工期内不可突破且多以工期为优化目标。针对此问题,考虑全局资源可从外部获取,以净现值为目标,构建带有全局资源柔性约束的分布式多项目调度问题的整数规划模型并设计有效的求解算法。首先,界定问题并确定项目现金流的计算方法;然后,针对求解问题的NP-hard属性,设计了遗传-模拟退火混合算法(GA_SA)求解此模型。最后,通过多组数值实验,设计不同算法与GA_SA算法进行比较,并分析了关键参数对多项目净现值的影响。结果表明,GA_SA算法具有较好的求解效果;与传统的全局资源刚性约束条件相比,全局资源柔性使用状态可以显著改善分布式多项目的收益绩效。     

基于资源时间因子的DSM项目群进度优化研究

在项目实践中,由于资源约束,从而会延长项目群的工期。为此,本文引入资源时间因子概念,采用设计结构矩阵(DSM),利用资源进入和退出时间因子矩阵描述了项目任务对资源的需求。提出了基于资源时间因子的遗传粒子群项目群进度优化方法。通过案例计算表明,该法可以有效缩短项目群工期,同时为项目决策者合理增加资源提供了新思路。     

基于活动重叠的DSM项目进度优化与仿真

项目活动之间的重叠虽然可以缩短项目工期,但又存在返工风险。为此,本文采用设计结构矩阵(DSM),提出活动超前重叠因子矩阵和活动赶工重叠因子矩阵,结合返工风险矩阵,完整地描述了项目活动的重叠及其对返工的影响。提出了基于活动重叠的混合粒子群项目进度优化方法。通过案例计算表明,该法可以有效缩短项目工期,同时为项目决策者合理选择活动重叠量提供了新思路。     

基于物理规划的工程项目综合均衡优化

质量、工期和成本是工程项目三大主要控制目标,对于工程项目中质量-工期-成本综合均衡优化问题,传统的基于权重的决策方法存在各目标权重难以合理确定的问题.为此引入物理规划方法建立工程项目质量-工期-成本综合均衡优化模型.决策者只需设定各目标的偏好,即可通过该均衡优化模型获得符合决策者偏好的优化方案,使决策过程更加符合工程实际,避免了确定无实际物理意义的各目标权重的问题.通过桥梁工程实例验证了该方法的有效性和实用性.     

基于控制工序性质的LOB截止日期问题分析与算法

截止日期问题是重复性项目调度中研究最为广泛的问题之一,其旨在满足项目截止日期前提下求得一个工作队雇佣总量最小的调度方案。由于重复性项目往往为大型工程建设项目,一个准确的最优进度计划对于节约项目的资源和成本具有重要意义。在平衡线法(LOB)框架下,本文从控制工序的性质出发,研究并分析了控制工序工作队分配与项目总工期之间的关联,给出了截止日期问题的一些特殊性质。基于这些性质,一方面能够帮助项目管理人员判断一个调度方案是否可行且经济,另一方面能够得到一些有效的剪枝策略,从而设计出具有针对性的分支限界算法。最后,通过案例计算和仿真实验验证了本文提出的算法在计算效果和计算效率上的有效性。     

一种求解柔性资源约束前摄性项目调度问题的启发式算法

在不确定环境中,一个具有较高鲁棒性的进度计划可以保证项目的稳定实施。考虑到现实中资源可能具有多种技能,会对制定鲁棒性较高进度计划的过程产生影响,因此本文研究了柔性资源约束下前摄性项目调度优化问题。首先界定研究问题;然后从鲁棒性最大化的视角出发,构建了研究问题的优化模型,在对模型进行分析的基础上将其分解为经典鲁棒优化和资源技能分配两个子模型;随后设计了求解问题的基于削峰算法的启发式算法;最后用一个实际案例验证了算法有效性,并分析了关键参数对进度计划鲁棒性的影响,得到如下结论:项目进度计划鲁棒性随着项目工期的延长、资源可用量的增加或资源柔性的提高而增大。     

基于融资能力约束的多模式Max-npv项目调度优化: 双重视角

从项目双方的视角出发,研究融资能力约束下的Max-npv项目调度问题。首先进行问题界定,构建由两个子模型构成的多模式Max-npv项目调度优化模型。随后,鉴于问题的强NP-hard属性,设计针对两个子模型迭代循环求解的禁忌搜索启发式算法,得到项目双方都满意的解。最后用一个实际案例对研究进行验证说明,并分析关键参数对合同双方收益的影响,结果表明:与实际进度安排相比,满意进度安排下合同双方的收益均有显著的提升;承包商和业主的融资能力、项目截止日期、承包商收益底线、折现率及支付比例均会对双方的收益产生重要影响。     

基于随机活动工期的多模式现金流均衡项目调度优化

承包商在项目执行过程中的现金流均衡是保证项目成功的关键因素。本文研究基于随机活动工期的多模式现金流均衡项目调度问题,旨是在项目工期及鲁棒性阈值约束下合理安排活动执行模式与开始时间,实现承包商现金流均衡。本文通过构建整数规划优化模型对研究问题进行刻画,随后设计模拟退火算法进行求解,最后进行案例分析。结果表明:鲁棒性阈值虽然可以保证基准进度的稳定性,但是提高鲁棒性阈值水平反而不利于承包商的现金流均衡,该值过高时甚至得不到可行解。本文研究可为随机活动工期背景下承包商的现金流控制提供定量化决策支持。     

Simulated annealing and tabu search for multi-mode project payment scheduling

This paper involves the multi-mode project payment scheduling problem where the activities can be performed with one of several discrete modes and the objective is to assign activities’ modes and progress payments so as to maximize the net present value of the contractor under the constraint of project deadline. Using the event-based method the basic model of the problem is constructed and in terms of the different payment rules it is extended as the progress based, expense based, and time based models further. For the strong NP-hardness of the problem which is proven by simplifying it to the deadline subproblem of the discrete time–cost tradeoff problem, we develop two heuristic algorithms, namely simulated annealing and tabu search, to solve the problem. The two heuristic algorithms are compared with the multi-start iterative improvement method as well as random sampling on the basis of a computational experiment performed on a data set constructed by ProGen project generator. The results show that the proposed simulated annealing heuristic algorithm seems to be the most promising algorithm for solving the defined problem especially when the instances become larger. In addition, the effects of several key parameters on the net present value of the contractor are analyzed and some conclusions are given based on the results of the computational experiment.     

工期与收益的最优化模型

运用经济学原理及最优决策方案 ,建立了如何选择最优工期和制定奖惩措施的动态优化模型 .利用泛函变分法求出在各种情况下的最优工期 ,并确定出影响最优工期的各种因素 ;然后确定出使双方都有利的激励强度 ;最后利用计算机对模型进行了模拟分析 ,并对结果给出了详细的分析 .     

Fully polynomial-time approximation schemes for time–cost tradeoff problems in series–parallel project networks

We consider the deadline problem and budget problem of the nonlinear time–cost tradeoff project scheduling model in a series–parallel activity network. We develop fully polynomial-time approximation schemes for both problems using K-approximation sets and functions, together with series and parallel reductions.     

Optimal project selection: Stochastic knapsack with finite time horizon

A time-constrained capital-budgeting problem arises when projects, which can contribute to achieving a desired target state before a specified deadline, arrive sequentially. We model such problems by treating projects as randomly arriving requests, each with a funding cost, a proposed benefit, and a known probability of success. The problem is to allocate a non-renewable initial budget to projects over time so as to maximise the expected benefit obtained by a certain time, T, called the deadline, where T can be either a constant or a random variable. Each project must be accepted or rejected as soon as it arrives. We developed a stochastic dynamic programming formulation and solution of this problem, showing that the optimal strategy is to dynamically determine ‘acceptance intervals’ such that a project of type i is accepted when, and only when, it arrives during an acceptance interval for projects of type i.     

Optimization guided lower and upper bounds for the resource investment problem

The resource investment problem deals with the issue of providing resources to a project such that a given deadline can be met. The objective is to make the resources available in the cheapest possible way. For each resource, expenses depend on the maximum amount required during the course of the project. In this paper we develop two lower bounds for this NP-hard problem using Lagrangean relaxation and column generation techniques, respectively. Both procedures are capable of yielding feasible solutions as well. Hence, we also have two optimization guided heuristics. A computational study consisting of a set of 3210 instances compares both approaches and allows insight into the performance.