随机环境下基于成本经济的项目调度权衡优化研究

针对随机环境下项目前摄性调度与反应性调度在应对不确定因素过程中起到的不同作用,从成本经济角度出发,研究了如何通过两种调度方法的权衡实现项目计划与执行的最优配合。在此基础上构建了基于成本的前摄反应调度权衡模型,通过对鲁棒性成本与调整成本进行量化分析,实现两种调度方案的最佳权衡。考虑到问题的NP难属性,设计了基于混合变邻域禁忌搜索的随机两点启发式算法,并通过大规模算例测试验证了算法的有效性。结果表明,根据承包商对成本的敏感度,前摄性调度与反应性调度在应对不确定性因素干扰中承担的工作量会随着成本权衡比的变化而发生改变,逐渐从前摄性方法为主过渡到以反应性方法为主。最后,从项目管理角度给出了有价值的管理启示。     

基于随机活动工期的现金流动态均衡前摄性与反应性项目调度优化

承包商的现金流动态均衡对不确定条件下项目的顺利实施有重要影响。作者研究基于随机活动工期的现金流动态均衡前摄性及反应性项目调度问题,目标是在随机活动工期条件下,为承包商生成现金流均衡基准进度,并根据执行过程中的实际情况,动态地对其进行反应性调整。首先,通过建立前摄性调度优化模型生成基准进度,并提出两个反应性调度策略对其进行调整。其次,为以上诸模型的求解设计了模拟退火和禁忌搜索相结合的混合算法tabu-SA。最后,针对前摄性调度模型,在随机生成的算例集合上对算法进行测试,并进行大规模仿真实验。研究结果可以为随机活动工期下承包商保持现金流动态均衡、确保项目顺利实施,提供定量化决策支持。     

资源随机中断下突发事件应急救援鲁棒性多模式项目调度优化

突发事件应急救援具有高度的不确定性与动态性，稳定可靠的救援计划及其合理有效的应急处置则可以大幅度降低灾害蔓延的风险。通过运用不确定环境下项目调度的理论与技术对资源随机中断情形下的突发事件应急救援问题展开研究，一方面在事故发生前，采用前摄性项目调度方法制定鲁棒性水平较高的基准计划指导救援过程有序开展；另一方面在事故发生后，借助反应性项目调度方法随时针对环境变化采取恰当的处置策略做出快速有效的应急响应，减小事故进一步扩散的风险。研究结果表明通过前摄性与反应性调度方法的协作与配合，可有效应对突发事件应急救援中发生的资源中断情况，更大限度地减少项目的损失。     

一种改进的多模式项目反应性调度问题

既有的项目反应性调度问题只关注了基准调度方案的稳定性,而忽略了项目调度目标的最优实现。本文提出了一种两阶段多模式资源受限项目反应性调度问题。第一阶段,在新的项目执行环境下,对项目进行完全重调度,得到新的最优调度目标值。第二阶段,以新的最优调度目标值为约束,以最大化调度稳定性为目标,求得新的最优调度方案。针对问题特点,基于IBM ILOG优化编程语言OPL和CPLEX V12.8.0,设计出该问题的求解程序。最后,基于标准算例,对本文提出的反应性调度方法、既有的反应性调度方法、完全重调度方法进行了充分的比较测试,结果表明本文提出的反应性调度方法在缩短项目工期、保护基准方案的稳定性方面具有明显优势。     

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。     

基于前摄性调度的电动汽车路径问题研究

针对车辆调度过程中资源不均衡的问题,利用需求的不确定性,将配送周期划分为初始配送阶段和补货阶段,建立多阶段电动汽车的两级车辆路径优化模型.根据需求的动态程度对配送区域进行划分,结合前摄性调度和反应性调度策略,提出了一种混合禁忌搜索算法(HTSA)来求解该模型.在真实的案例和多个基准评估算例上的实验结果表明:模型和算法的性能优于传统的启发式算法,具有一定的实用价值.     

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。     

基于决策者风险偏好的模糊鲁棒性项目调度优化

不确定条件下模糊鲁棒性项目调度计划的生成受决策者风险偏好影响。本文研究模糊活动工期下考虑决策者风险偏好的鲁棒性项目调度优化问题，目标是合理安排活动开始时间，生成特定风险偏好下鲁棒性最大的进度计划。首先界定问题，构建优化模型；随后针对问题NP-hard属性和模型特点设计交替禁忌搜索启发式算法，求解得到不同风险偏好下满意的进度计划；最后用实例验证说明，并分析关键参数影响。结论如下：决策者风险偏好由规避转乐观时，项目冲突区间总和增多；截止日期、资源可用量较紧张时，风险偏好变化对冲突区间总和变化影响更大；风险偏好乐观时，截止日期变化对冲突区间总和变化影响更大。研究成果可为不同风险偏好决策者在不具历史数据的高不确定环境中制定合理前摄性计划提供决策支持。     

大规模伤亡事件应对流程的前摄性调度优化

以死亡人数最少化为目标,研究大规模伤亡事件应对流程的前摄性调度优化问题。首先,使用伤情等级和伤情随机转化的马尔可夫链,建立伤员死亡概率与伤员处置时间的函数关系。随后,将研究问题转化为柔性作业车间静态调度问题,并设计遗传算法求解。最后用一个随机算例对算法进行仿真,结果表明：该算法可行有效;与现有研究中救援时间最短化的调度方法相比,伴随着可接受的救援时间跨度增加,该方法可大幅降低救援过程中的死亡人数。本文研究有助于决策者优化应急救援过程,有效减少死亡人员数量。     

可抢占条件下的项目调度研究综述

可抢占条件下的项目调度通过暂时中断某些活动的执行,释放资源给更重要的活动,从而优化项目的工期、成本等绩效指标。可抢占项目调度问题以其重要的理论价值和应用背景,受到了学界和业界的广泛关注。对国内外可抢占项目调度的研究成果进行了系统性总结与梳理,综述了可抢占项目调度问题的数学模型及其求解算法,总结了可抢占项目调度问题的一些扩展问题和应用情况,最后指出了未来进一步的研究方向。     

强化学习在运筹学的应用:研究进展与展望

强化学习已经成为人工智能领域一个新的研究热点,并已成功应用于各领域,强化学习将运筹优化领域的很多问题视为序贯决策问题,建模为马尔可夫决策过程并进行求解,在求解复杂、动态、随机运筹优化问题具有较大的优势。本文主要对强化学习在运筹优化领域的应用进行综述,首先介绍了强化学习的基本原理及其应用于运筹优化领域的研究框架,然后回顾并总结了强化学习在库存控制、路径优化、装箱配载和车间作业调度等方面的研究成果,并将最新的深度强化学习以及传统方法在运筹学领域的应用研究进行了对比分析,以突出深度强化学习的优越性。最后提出几个值得进一步探讨的研究方向,期望能为强化学习在运筹优化领域的研究提供参考。     

基于多Agent系统的项目调度研究

近年来 ,大型项目特别是大型工程项目存在如下的发展趋势 :1 )项目规模越来越大 ;2 )项目的复杂程度不断增加 ;3 )项目必须由多方合作才能完成 .本文针对上述特点 ,提出了基于多 Agent系统 (MAS:Multi-Agent Systems)解决资源约束条件下的项目调度问题 (RCPSP:Resource Constrained ProjectScheduling Problems)的方法 ,并通过实例项目对所提出的算法进行了验证 .     

工程项目调度技术研究综述

研究了工程项目调度技术和求解算法的发展历程.首先概述了项目调度技术,并对近年来项目调度问题种类和算法的研究进行总结.最后就项目调度技术的新研究方向和应用作了简要探讨.     

有顾客需求变动的车辆调度干扰管理研究

为解决来自顾客需求变动所引发的物流配送干扰问题,提出基于干扰管理思想构建扰动恢复策略与方案.应用虚拟单车场实现了车辆调度扰动恢复问题转化,提出了车辆调度扰动恢复策略以及扰动度量方法,以作为车辆调度干扰管理建模的基础;对有顾客需求变动的车辆调度干扰管理问题,分析了顾客需求变动造成的扰动并进行了辨识;建立了相应的干扰管理模型,并提出了归一化处理办法对VRPTW问题进行有效兼容;结合干扰管理模型的特点,改进了基于顾客的编码表示方法;根据干扰管理思想,设计了遗传算法对干扰管理模型进行了求解.最后通过实验验证了模型与算法的有效性.     

面向健康管理的维修资源调度系统关键模型研究

针对健康管理理论在维修资源调度决策研究中的不足,分析了面向健康管理进行维修资源调度优化的可行性,研究了维修资源调度系统与健康管理系统的连接关系.然后结合装备维修资源供应保障的实际,建立了系统中调度优化模块所用到的带软时间窗的多需求地-多供应地维修资源调度优化模型,并应用遗传算法对模型的求解进行了分析.最后,对方法进行了演算,验证了模型在维修资源调度系统中应用的正确性和可行性.     

实时系统中单处理器调度算法的优化设计研究

研究实时系统的建模与调度问题是运筹与控制领域研究的热点问题, 对实时系统中的单处理器的调度算法进行了分析与研究, 特别是对其中的单调速率算法和最早时间限优先算法进行了深入的研究, 指出单调速率算法是一种典型的静态调度算法, 并且证明了单调速率算法是单处理器最优的静态优先级调度算法, 同时还指出最早时间限优先算法是一种典型的动态优先级调度算法,证明了最早时间限优先算法是单处理器的最优的动态优先级调度算法. 最后, 为了更好地进行实时系统的建模与调度, 引入了一种新的对任务执行行为进行抽象的方法--T-LET平面方法, 利用这种方法建立了单处理器流调度模型和BLREF调度算法, 并指出这种模型和算法都具有很强的几何背景.     

双目标突发事件应急救援前摄性调度优化

本文以救援时间最短化与计划鲁棒性最大化为目标,研究突发事件应急救援前摄性调度优化问题。作者首先对所研究问题进行界定,其中计划鲁棒性定义为各活动开始时间可调整时差的总和,任务是在应急预算和救援期限的约束下,确定活动执行模式与开始时间以实现上述两个目标。随后,构建问题的0-1规划优化模型,鉴于其强NP-hard属性,设计禁忌搜索启发式算法。最后用一个算例对研究进行说明,得到如下结论:救援时间随应急预算的增加而缩短,随救援期限的放宽而延长;计划鲁棒性随应急预算的增加或救援期限的放宽而提高;当权重分配系数增大时,应急救援时间先保持不变而后缩短,计划鲁棒性则呈减小趋势。本文研究可为突发事件应急救援的组织与协调提供决策支持。     

基于Bootstrap方法对简单随机序问题的多总体检验

简单随机序是在概率分布意义下比较随机变量的大小,被用于许多领域.两总体简单随机序的检验问题已经有了很多的研究成果,但对多总体情况下简单随机序检验问题的研究却很少.文章考虑多总体情况下简单随机序的检验问题,利用分布函数的保序回归估计构造出检验统计量,给出了检验统计量在原假设下的渐近分布;同时,利用Bootstrap方法给出了计算临界值和p值的方法,并通过Monte Carlo模拟来说明文章所提出方法的可实现性和优良表现.     

考虑部分工件不可打扰的多任务调度问题研究

多任务调度问题存在于各种应用领域,如因特网服务领域,医疗领域等。经典的多任务调度模型中所有工件均可被其他等待工件打扰,且仅打扰一次。然而在生产实践过程中,有些紧急工件是不允许被其他工件打扰。在此启发下,对原有模型进行扩展,研究了在单机多任务环境下部分工件不可打扰的调度问题,模型目标包括最小化最大完工时间,最小化总完工时间,最小化最大延迟以及最小化加权提前期、拖延期和共同交货期之和。对于前三个目标给出了精确算法,对于最后一个目标给出了启发式算法。最后,对今后的研究提出了建议。     

关键链断裂情况下的缓冲设置方法比较研究

应用关键链项目管理方法时,由于项目的复杂性,在确定关键链和非关键链后,进一步插入汇入缓冲时,常常会出现资源再次冲突,需要对计划进行重排,重排后又出现关键链断裂、汇入缓冲起不到保护作用等问题。针对这些问题,本文采用分散缓冲法制定项目调度计划,并用项目实例证明了方法的可行性和通用性,且设计仿真实验将分散缓冲计划与重排后的关键链调度计划进行比较,结果发现当项目活动时间的变化性较小时,应用分散缓冲法还可以获得较好的项目绩效。