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。     

不同支付方式下的多模式项目支付进度问题研究

本文首先明确了研究的假设条件并对多模式项目支付进度问题（MPPSP）进行了界定;随后从承包商和业主两个角度构建了MPPSP的基本优化模型;鉴于支付方式的不同,将基本优化模型扩展为基于进展、基于时间和基于费用的MPPSP优化模型;最后,通过对一个算例的计算分析,讨论了支付方式对最优支付进度安排及合同双方收益的影响.     

基于分阶段求优的IT项目进度计划方法

本文针对IT项目实施过程的不确定性和项目资源的动态性，提出了一种基于分阶段求优的IT项目进度计划方法。该方法根据关键路径法将项目划分为着干个阶段，每个阶段视为一个独立的任务，对每一个独立的任务建模并抽象化为一个马尔可夫决策过程，利用动态规划的方法对每一个任务求解最优调度策略，以最小化该阶段的期望费用，为制定IT项目进度计划提供依据。     

基于不同奖惩机制项目支付进度优化:双重视角

奖惩机制会对合同双方的收益产生重大影响,本文基于承包商和业主的双重视角,对不同奖惩机制下项目支付进度优化问题进行了研究。首先对所研究问题进行界定,并分别基于承包商和业主视角构建了不同奖惩机制下的优化模型;基于模型的属性设计了模拟退火启发式算法;最后通过一个实例对比了承包商和业主在四种不同奖惩机制下收益的优化结果,并对其中的关键参数进行了敏感性分析。结果显示:不同的奖惩机制对承包商和业主的收益有较大影响;不同的奖惩强度也会影响承包商和业主的收益。通过对奖惩机制类型及强度的分析,可以为项目中奖惩机制的设置提供定量化决策支持。     

带有活动重叠的项目调度问题新算法:分支定界法

在复杂产品研发项目中,通常采用活动重叠的方式来缩短工期,带有活动重叠的资源受限项目调度问题的求解多以启发式算法为主,该方法虽然具有收敛速度快、计算规模大等优点,但无法得到最优解,而精确算法是求解上述问题最优解的有效方法。基于此,本文在深入分析活动重叠对项目调度影响的基础上,设计了分支定界法以获得最优解。首先,从理论上证明了算法的最优性,一是对仅考虑最小延迟替代集即可得到最优解进行了证明;二是对割集支配规则与左移支配规则在剪枝操作中的应用进行了证明。其次,在算法设计上采用数据结构——栈对搜索树上的节点信息进行存储,并针对活动重叠约束,定义了新的决策时刻点和新的搜索树节点的表示方法。最后,通过大量的算例实验分析验证了算法的可行性和有效性。综上,本文提出的算法具备成熟的理论意义与精准的计算结果,具有较高的研究价值。     

基于粒子群优化的神经网络预测模型

BP学习算法多采用梯度下降法调整权值,针对其易陷入局部极小、收敛速度慢和易引起振荡的固有缺陷,提出了一种改进粒子群神经网络算法.其基本思想是:首先采用改进粒子群优化算法反复优化BP神经网络模型的权值参数组合,再用BP算法对得到的网络参数进一步精确优化,最后用得到精确的最优参数组合进行预测.实验结果表明,该算法在股指预测中的预测性能明显提高.     

基于邻域自适应粒子群优化算法的地表水源热泵机组优化调度

为提高湘潭城市中心区某地表水源热泵区域能源系统的运行效率,建立了系统优化调度模型,并提出了一种邻域自适应粒子群优化算法(NAPSO)求解所建模型.针对运行过程中可能出现不可行解的情况,提出了一种将不可行解调整为可行解的方法.实验结果表明,在夏季和冬季时,NAPSO算法求解结果比该系统目前所使用的调度方法每日分别可节省5...     

基于粒子群算法的水稻用水的优化配置

本文旨在实现水稻用水资源的优化配置.早稻、一季稻和晚稻等不同类型水稻的用水,以及同一类型的水稻在不同的生长阶段,均存在着用水优化配置的问题.粒子群优化算法比较容易操作,在计算方面具有效率和精度高的优点,可以应用于水稻用水的优化配置模型的求解.以衡阳县高炉村的水稻用水优化配置为具体算例,验证了算法的可行性.     

基于粒子群优化算法的库存不确定性分析

库存不确定性问题是供应链不确定性研究的重点之一.利用粒子群优化算法快速搜寻最优解的优点对库存不确定性问题进行仿真分析,得出了库存不确定性环境下的最优解,这说明了粒子群优化算法能够辅助供应链管理者在不确定性环境下对供应链进行优化设计和决策分析.     

基于粒子群算法的大型网络计划费用优化

大型网络计划费用优化对科学有效地进行工程项目进度管理具有重要意义,但大型网络计划费用优化随工作个数增加而约束方程和计算量骤增,成为数学和计算机科学领域至今未解决的难题.借助建立评价函数、设计进化方程、设计网络计划时间参数的计算机算法等基础工作,选择工作持续时间作为粒子空间坐标并设置可行解范围,用蒙特卡洛方法和限制条件优化初始粒子群,用二维动态数组解决大型网络计划粒子群算法优化运行image超限问题,成功求解有61个工作的大型网络计划费用优化算例.因此,经过特定设计的粒子群算法是微机和有限的计算时间条件下求解大型网络计划费用优化问题的一个有效方法.     

基于群智能算法的预防性维修周期优化

分析将蚁群优化算法应用于预防性维修周期工程寻优问题时遇到的算法参数选择困难等问题,提出将粒子群优化算法和空间划分方法引入该过程以改进原蚁群算法的寻优规则和历程.建立混合粒子群和蚁群算法的群智能优化策略:PS_ACO(Particle Swarm and Ant Colony Optimization),并将其应用于混联系统预防性维修周期优化过程中,以解决由于蚁群算法中参数选择不当和随机产生维修周期解值带来的求解精度差、寻优效率低等问题.算法的寻优结果对比分析表明:该PS_ACO算法应用于预防性维修周期优化问题,在寻优效率及寻优精度上有部分改进,且可相对削弱算法参数选择对优化结果的影响.     

粒子群优化的收敛分析及在广义预测控制中的应用

在进行粒子群优化的收敛性理论分析的基础上,推出了保证粒子群优化算法收敛性的参数设置区域,合理选择粒子群算法的关键参数,将粒子群优化与广义预测控制有机融合,用粒子群算法来解决广义预测控制的优化问题,提出基于粒子群优化的广义预测控制算法,通过工业过程对象的仿真并和传统的广义预测控制算法进行了对比分析,表明了该算法的有效性,特别是算法具有良好的输出跟踪精度和较强的鲁棒性.     

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。     

基于ANP的装备质量管理风险评估模型

根据装备质量管理的特点对装备质量管理的风险因素进行了分析,依据指标体系的设计原则建立了装备质量管理风险评估的指标体系,并给出了基于网络层次分析法和粒子群优化算法的的装备质量管理风险评估指标权重值的确定方法.并给出了实例分析.     

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。     

基于利益相关者合作博弈的决策优化与收益分配

企业剩余既是利益相关合作的成果也是争夺的对象。本首先用TOPSIS方法描述利益相关参与企业群体决策，并对决策群体给出的多种方案进行优化的过程。然后运用Shapley值，计算优化方案中不同利益相关合作的影响指数，再通过评估获得不同利益相关的分配收益。     

季节调整的PSO-SVR模型及其在旅游客流量预测中的应用——以海南省三亚市为例

准确的旅游客流量预测对旅游目的地做好事前准备工作至关重要.然而旅游客流量具有明显的非线性和季节性特征,采取季节调整方法对样本数据进行预处理,消除季节性的影响,可以提高客流量预测的准确性.同时SVR(支持向量回归机)是一种良好的机器学习方法,非常适合预测研究,辅以PSO(粒子群算法)选取合适的回归参数可以获得更加精确的预测结果.提出了一种考虑季节影响并通过PSO优化SVR模型的旅游客流量预测模型,并以海南省三亚市为例进行了实证研究.研究结果表明,季节调整的PSO-SVR模型预测精度明显高于SVR、季节调整的SVR和PSO-SVR模型,是进行旅游客流量预测的有效工具.     

一个解非线性0-1整数规划问题基于罚函数的混合粒子群优化算法

利用罚函数思想把非线性0-1整数规划问题转化为无约束最优化问题,然后把粒子群优化和罚函数方法结合构造出一个基于罚函数的混合粒子群优化算法,数值结果表明所提出的算法是有效的.     

基于贝叶斯网络的工程项目进度完工概率分析

针对传统计划评审技术(Program Evaluation and Review Technique,PERT)在计算完工概率时假设条件的局限性(假设条件与工程实际存在偏差,导致完工概率偏大),提出了基于贝叶斯网络的施工进度完工概率分析方法.首先,分析了贝叶斯网络与进度计划网络之间的相似性,将两者结合起来构建了贝叶斯进度网络;在此基础上,综合考虑贝叶斯网络在节点取值及概率计算方面的优越性,并结合工程项目的不确定性及复杂性特点,建立了基于贝叶斯网络的施工进度完工概率分析模型.最后,将该模型应用于具体工程进行实例分析,验证了模型的可行性与有效性.研究结果表明:基于贝叶斯网络的进度完工概率模型充分考虑了工程施工中的风险因素,其结果能更客观地反映工程实际,可为工程项目决策者提供可靠的依据.