資源受限下項(xiàng)目進(jìn)度問題模型構(gòu)建及其算法實(shí)現(xiàn).pdf

1、隨著經(jīng)濟(jì)全球化的發(fā)展，世界市場的競爭變得越來越激烈，對企業(yè)項(xiàng)目管理的要求也越來越高。在資源受限的情況下，如何進(jìn)行合理的進(jìn)度安排是企業(yè)成功應(yīng)對激烈市場競爭的重要挑戰(zhàn)之一。資源受限下項(xiàng)目進(jìn)度問題(Resources Constrained Project ScUdding Problem，RCPSP)也由此成為廣大學(xué)者的研究熱點(diǎn)。企業(yè)所處的環(huán)境已從傳統(tǒng)的相對穩(wěn)定型演變成動態(tài)多變型，普遍面臨的是一種快速的、持續(xù)變化的動態(tài)環(huán)境。然而，國內(nèi)學(xué)者對

2、RCPSP的研究大都基于工期固定、任務(wù)不可拆分等假設(shè)之上，對基于工期不固定、任務(wù)可拆分特點(diǎn)的RCPSP研究得很少。因此，本文基于活動工期不確定、任務(wù)可拆分的項(xiàng)目特征開展對RCPSP的研究，以期能在一定程度上用于指導(dǎo)實(shí)際。 首先，在對RCPSP項(xiàng)目特征進(jìn)行界定以及對項(xiàng)目進(jìn)度優(yōu)化模型回顧的基礎(chǔ)之上，構(gòu)建了基于活動工期不固定、任務(wù)可拆分特征的RCPSP的數(shù)學(xué)模型；為了求解上述模型，本文詳細(xì)闡述粒子群優(yōu)化算法(Particle Swar

3、m Optimization，PSO)的基本原理以及當(dāng)前對其改進(jìn)的研究成果，提出了一種新的改進(jìn)PSO算法，并對其在RCPSP的應(yīng)用過程進(jìn)行了設(shè)計；最后，為了檢驗(yàn)?zāi)Ｐ偷挠行约八惴ǖ膬?yōu)越性，基于梯隊(duì)內(nèi)部開發(fā)的案例生成器生成的108個算例，進(jìn)行了仿真試驗(yàn)。實(shí)驗(yàn)結(jié)果證明了本文模型的有效性及算法的優(yōu)越性。 本文的研究成果，不僅拓展了RCPSP的研究領(lǐng)域，而且也為解決實(shí)際企業(yè)如何在動態(tài)環(huán)境下制定合理的進(jìn)度計劃問題提供了一定的指導(dǎo)借鑒意義。