随机活动工期下考虑缓冲成本及效用的融资费用最小化项目调度优化研究

巨额融资所带来的高昂融资费用,推高承包商的总成本,严重挤压其利润空间。承包商迫切需要对项目现金流进行优化,提高资金配置效率,降低融资费用。此外,为了应对不确定性干扰,承包商通常花费事前成本为活动添加时间缓冲,以保证进度计划稳定性,以减少事后变更和调整费用。因此,本文研究随机活动工期下考虑缓冲成本及效用的融资费用最小化项目调度优化研究,旨在为承包商生成具有一定鲁棒性的融资费用最小化基准进度。首先,界定研究问题并构建优化模型,在此考虑为活动插入时间缓冲所带来的成本及效用。其次,设计VNTS混合算法对模型进行求解,提炼相关性质以提高算法搜索效率,并在算例集合上进行算法测试。最后,通过案例对本文研究进行说明。研究结果可以为随机活动工期下承包商控制融资费用、提高项目收益,提供定量化决策支持。     

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。     

活动长度有限制的多工序批量加工生产计划研究

当前的化工制造中,有很多工厂使用柔性制造设备,并采用批生产模式来组织生产.由于对设备进行准备和清理的成本比较大,加工的排序一般采用多批次加工同一种产品的活动（campaign）模式.在实际的生产中,由于需要保证产品质量和减少库存,应该考虑限制活动的最大长度.本文针对活动长度有限制的多工序批量加工问题进行研究,利用状态-任务-网络概念和层级模型方法,提出了修正的活动计划模型.该模型是基于混合整数线性规划模型,并且以供应网络内总生产成本和物流成本最小化作为目标函数.最后用一个算例来说明所构建模型的有效性.     

耦合隐藏马尔科夫模型的算法研究

本文在隐藏马尔科夫的基础上介绍了耦合隐藏马尔科夫模型,基于隐藏马尔科夫的算法计算了耦合隐藏马尔科夫模型的对数似然函数,提出了耦合隐藏马尔科夫模型的EM算法及Viterbi算法,用以估计模型的参数及隐藏状态序列,最后利用实例讨论了该算法的准确性及有效性.     

加工时间可控单机加权总完工时间Pareto优化研究

针对单机环境最优化加权总完工时间问题,当工件加工时间可通过分配资源进行压缩时,研究对工件的加工次序和时间压缩量的优化,从而权衡调度性能目标和资源成本目标。调度性能目标为压缩后工件的加权总完工时间,资源成本目标为工件压缩量的线性函数。此问题复杂性已被证明为NP-hard,为弥补较少有研究从Pareto优化角度求解该问题有效前沿的不足,针对经典NSGA-II求解时易早熟收敛的特点,采用算法混合方式进行优化方法研究。融合归档式多目标模拟退火算法跳出局部极值的优势,启用外部存档策略提升种群的多样性,采用主从模式的并行结构提升求解效率。最后为检验优化方法的有效性,一方面通过对Benchmark测试函数ZDT1-6的求解,表明混合算法对不同结构和形状目标函数兼具普适性和有效性;另一方面结合问题特点设计有效编码方式,针对随机生成算例进行求解。通过分析有效前沿收敛性和多样性,验证了所提方法对于优化加工时间可控单机加权总完工时间问题的有效性。     

Kaup-Newell族的分数阶非线性双可积耦合及其Hamilton结构

本文研究了Kaup-Newell族的分数阶非线性双可积耦合.利用分数阶等谱问题和非半单矩阵Lie代数上的非退化、对称双线性形式,得到了Kaup-Newell族的分数阶非线性双可积耦合,并求出了Kaup-Newell族双可积耦合的分数阶Hamilton结构.本文的方法还可以应用于其它孤子族分数阶可积耦合.     

项目网络中考虑支配与扩散关系的组合决策

单纯侧重项目自身属性而不考虑项目关联性以及由项目衍生而来的技术、经验/信息扩散对项目组合决策时的影响,易导致决策偏差,低估具有潜在技术先导性项目的价值。对此,引用复杂网络理论,以项目关联性的视角,将项目间支配和扩散关系分别抽象为有向加权网络,运用K-shell分解方法构建项目组合网络中基于支配关系的项目影响力模型以及技术、经验/信息在项目间扩散传播的模型。然后,基于PageRank算法,综合考虑项目间支配与扩散关系,建立了项目优先级排序决策模型。最后,通过算例分析说明了该模型与算法的可行性与有效性,为企业项目组合决策提供了有益的参考。     

粒子群和遗传算法优化神经网络结构的破产预测

引荐了运用粒子群算法和遗传算法优化多层前馈神经网络结构预测破产的方法.融合了粒子群算法、遗传算法和神经网络众多优点,自适应和并行地搜寻神经网络最优的结构,由此构建优化的预测模型.采用源自UCI机器学习数据库的破产和非破产混合样本数据集,随机地从数据集中读取数据并进行数据预处理,运用7重交叉校验方法客观地评价预测结果.仿真证明,方法能自动有效地构建神经网络的优化结构,具有更快的学习速度和更好的推广性能.与其它方法相比,方法具有更高的破产预测准确率.     

工程项目资源均衡优化的混合遗传算法研究

"工期固定—资源均衡"优化是指在工期一定的条件下,合理调整网络计划的某些工序,以实现资源均衡利用的一种管理方法.本文基于工程项目资源均衡优化方法中常用的遗传算法和最小矩法,提出了一种混合遗传算法.该算法首先使用遗传算法得到一个较好的初始点,然后采用最小矩法进行局部优化,克服了遗传算法局部寻优能力不足的缺陷,增强了算法的优化效果.最后通过算例分析验证了该混合算法的可行性和有效性,因而是一种较好的优化算法.     

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。     

基于遗传算法的车间作业计划仿真研究

将仿真技术和遗传算法相结合,根据生产车间的资源情况、优化目标等建立了生产调度仿真模型,然后对仿真输出结果进行统计,针对统计结果应用遗传算法对调度决策进行优化.仿真优化结果说明了该集成优化方法是有效性的.     

考虑序列设置时间的混合流水车间多目标调度研究

基于混合流水车间多品种的特性,序列设置时间和工序跳跃是很多车间在调度时需要考虑的两个重要问题,论文充分考虑这两种生产约束,建立了以最大完工时间和负荷均衡指标为双目标的混合流水车间多目标调度数学模型,并运用改进的NSGA-II算法对基于实际企业生产数据假设的算例进行仿真求解,结果表明求解的调度方案符合实际需求,能够为企业的实际调度提供有效的方案。     

基于遗传算法的多目标柔性工作车间调度问题求解

本文针对柔性工作车间调度问题给出了一个有意义的综合目标尽可能缩短制造周期的同时尽可能的减少机器负荷。由于传统遗传算法在多目标柔性工作车间调度问题上的局限性，我们提出了一种改进遗传算法：首先，我们给出了针对综合目标的工序调度算法获得初始集合；接着，针对柔性工作车间调度问题的特点，我们在常用的基于工序顺序的编码方法上融入了基于机器分配的编码方法，并据此设计了相应的交叉变异操作；最后借鉴了物种进化现象中的环境迁移思想设计了解决多目标优化问题的迁移操作。实验结果表明，改进的遗传算法在多目标柔性工作车间调度问题的解决上要优于传统遗传算法。     

基于动态环境的机场航班实时调度优化研究

在对天气、空中管制等动态环境引起航班延误所造成的各主体利益损失分析及目标追求的基础上,建立单一机场航班动态实时调度微调两阶段优化模型,其中目标函数为追求航空公司、乘客利益和机场保障的经济损失加权和最小化,采用遗传算法优化求解.从最大效率利用终端区空域的角度,评估航班调度方案.具体的算例表明采用本方法能依据动态环境不断优化微调需更新的航班时刻表,达到兼顾各方利益提高机场综合服务水平的目的,证明了方法的可行性.     

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。     

求解柔性作业车间调度的动态群智能优化算法

针对柔性作业车间调度问题,提出一种新型两阶段动态混合群智能优化算法.算法初始阶段采用动态邻域的协同粒子群进行粗搜索,第二阶段提出了基于混沌算子的蜂群进行细搜索,既增强了种群多样性,又提高了算法搜索精度,实现了全局搜索与局部搜索能力的有效平衡.针对柔性作业车间调度问题特点,采用独特的编码方式和位置更新策略来避免不合法解的产生.最后将此算法在不同规模的实例上进行了仿真测试,并与最近提出的其他几种具有代表性的算法进行了比较,验证了算法的有效性和优越性.     

不确定环境下基于时间、费用及鲁棒性权衡的多目标项目调度优化

项目调度中的时间和费用是两个重要的指标,而在不确定环境下进度计划的鲁棒性则是保证项目平稳实施的关键。本文研究不确定环境下的多目标项目调度优化问题,以优化项目的工期、鲁棒值和成本为目标安排各活动的开始时间。基于此,作者构建多目标项目调度优化模型,将模型分解为三个子模型分析目标间的权衡关系,然后设计非劣排序遗传算法进行求解,应用精英保留策略和基于子模型权衡关系的优化策略优化算法,进行算法测试和算例参数敏感性分析。最后,应用上述方法研究一个项目实例,计算得到非劣解集,实例的敏感性分析结果进一步验证了三个目标间的权衡关系,据此提出资源的有效利用策略。本文的研究可以为多目标项目调度制定进度计划提供定量化决策支持。     

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。