本文關(guān)鍵詞：基于多目標(biāo)遺傳算法的項目調(diào)度及其仿真研究，由筆耕文化傳播整理發(fā)布。

【摘要】：項目管理至少可以追溯到4500年以前埃及金字塔以及1800年以前南美瑪雅墓的建成，它們依靠的是最簡單最原始的工具。后來慢慢發(fā)展到始于美國杜邦公司的CPM技術(shù)、始于美國海軍開發(fā)“北極星導(dǎo)彈計劃”的PERT技術(shù)。時至今日，大量關(guān)于項目管理的研究如雨后春筍般涌現(xiàn)：從原理、算法到系統(tǒng)（包括相關(guān)的軟件），從簡單到復(fù)雜，以充分幫助管理人員對各種項目進(jìn)行計劃、安排、監(jiān)督和控制。 項目調(diào)度問題，是項目管理的一個重要研究領(lǐng)域，自20世紀(jì)60年代被提出之后，就引起了各行各界專家和學(xué)者們的廣泛關(guān)注。隨著現(xiàn)代化技術(shù)廣泛應(yīng)用于生產(chǎn)，具有較高自動化水平的生產(chǎn)系統(tǒng)，在使生產(chǎn)過程更加合理、高效運行的同時，也使得項目調(diào)度問題變得更加困難，其復(fù)雜性往往超出人腦的決策能力。 大多數(shù)項目調(diào)度問題是一類組合優(yōu)化問題，計算復(fù)雜性理論已經(jīng)證明大多數(shù)組合優(yōu)化問題是NP-hard問題。傳統(tǒng)的運籌學(xué)求解方法往往無法在多項式時間范圍內(nèi)尋求到這些NP-hard問題的最優(yōu)解，隨之人們開始嘗試在多項式時間范圍內(nèi)求解的近似算法即啟發(fā)式方法。 目前對復(fù)雜的項目調(diào)度問題的求解算法主要集中在對元啟發(fā)式方法即智能優(yōu)化方法的研究。智能優(yōu)化算法是模擬某一自然現(xiàn)象或過程而建立起來的具有高度并行、自組織、自學(xué)習(xí)與自適應(yīng)特征的適于復(fù)雜的高度非線性問題求解的算法。這類算法包括模擬煺火、禁忌搜索、粒子群算法、蟻群算法和進(jìn)化計算等等。 理論和算法是為應(yīng)用服務(wù)的，，建筑行業(yè)，作為項目管理應(yīng)用的主要應(yīng)用行業(yè)之一，也針對項目管理提出更多更高的要求。為了幫助建筑行業(yè)的施工單位更好的控制施工過程，增強項目的可預(yù)見性，避免不必要的損失，虛擬施工技術(shù)因此而產(chǎn)生。 鑒于以上的考慮，本文以多模式資源約束的項目調(diào)度及其應(yīng)用研究為對象，以多目標(biāo)遺傳算法為手段展開研究。目前主要存在如下的問題： （1）盡管智能優(yōu)化算法能同時處理一組解，以及很好的逼近非凸或不連續(xù)的最優(yōu)前端面，然而對設(shè)計的參數(shù)進(jìn)行動態(tài)調(diào)整和自適應(yīng)改變依然是值得探討的方向。 （2）多目標(biāo)遺傳算法的求解質(zhì)量和求解效率還有待于提高�；赑areto的多目標(biāo)遺傳算法在每一次迭代時都要構(gòu)造Pareto最優(yōu)解集，有必要尋找構(gòu)造Pareto最優(yōu)解集的最少時間復(fù)雜度。 （3）項目時間成本質(zhì)量歷來是項目管理的三大控制點，決定著項目的成敗。然而更多的研究卻集中在時間費用的優(yōu)化，而缺少對質(zhì)量因素的考慮�；蛘呒词箍紤]了質(zhì)量，而往往限定其中的一個或兩個因素作為常量來考慮。因此建立合理的項目時間成本質(zhì)量的多目標(biāo)優(yōu)化模型并加以解決是當(dāng)務(wù)之急。 （4）在實際的項目調(diào)度過程中更多的存在著不確定性因素，這些不確定因素使得項目調(diào)度在本質(zhì)上成為一個動態(tài)的過程。對不確定性因素的研究更加貼近實際，如何針對考慮不確定性因素的問題建立隨機或者模糊網(wǎng)絡(luò)模型并采用合適的機制去解決也是我們亟待思考的問題。 因此，本文結(jié)合這些問題，具體做了如下方面的研究工作： （1）在探討組合優(yōu)化問題、計算復(fù)雜性等相關(guān)原理的基礎(chǔ)上，總結(jié)和比較了各種優(yōu)化算法的優(yōu)缺點，指出元啟發(fā)式方法即智能優(yōu)化算法是目前研究的趨勢。在與實際應(yīng)用相關(guān)的難解組合優(yōu)化問題方面，智能優(yōu)化方法使得在合理的時間范圍內(nèi)明顯提高了找到高質(zhì)量解的能力，尤其對于大型的或了解甚少的問題而言，智能優(yōu)化算法的作用更加顯著。 （2）結(jié)合組合優(yōu)化理論，介紹了資源約束的項目調(diào)度的一般模型、規(guī)范分類以及基于不同求解方法的已有文獻(xiàn)，指明多模式資源約束的項目調(diào)度是可行的研究方向。 （3）研究了多目標(biāo)遺傳算法及其基本概念：非支配集構(gòu)造、種群保留機制以及遺傳操作等等。對多目標(biāo)遺傳算法作了合理的改進(jìn)，對分布系數(shù)采用多項式逼近獲得交叉系數(shù)的概率分布，找出了交叉系數(shù)合適的改進(jìn)方案，同時證明了種群大小的下限。 （4）分別以時間、成本和質(zhì)量進(jìn)行建模分析，指出了各個因素之間的相互關(guān)系及其研究思路，同時形成時間-成本-質(zhì)量的多目標(biāo)權(quán)衡數(shù)學(xué)模型。并用多目標(biāo)遺傳算法加以求解及其仿真實現(xiàn)，最后比較了不同方法的優(yōu)劣，從收斂性和分布性方面證明了改進(jìn)的方法的有效性。同時給出了基于不同偏好的建筑項目調(diào)度問題的決策者決策過程。 （5）對項目調(diào)度中涉及到的隨機變量的分布、數(shù)字特征進(jìn)行分析，指出了PERT網(wǎng)絡(luò)分析法往往低估了項目完成時間，給項目的完成帶來不必要的損失。研究了隨機多目標(biāo)決策問題的數(shù)學(xué)模型及其等價問題的處理，提出了隨機條件下多目標(biāo)多模式資源約束的項目調(diào)度建模、算法分析，并給出了仿真結(jié)果。 （6）基于虛擬建筑機理的分析，對虛擬原型（CVP）系統(tǒng)涉及的集成平臺、開發(fā)環(huán)境、設(shè)計步驟等方面進(jìn)行研究，說明項目調(diào)度及其優(yōu)化理論在虛擬建筑中的應(yīng)用，并以一個實例進(jìn)行應(yīng)用分析。 論文的主要創(chuàng)新點： （1）修正了NSGA-Ⅱ算法中原有的固定交叉系數(shù)，使得該交叉系數(shù)能夠動態(tài)調(diào)整和自適應(yīng)改變，并給出算法中種群大小的下限值并加以證明。 （2）將多目標(biāo)遺傳算法應(yīng)用到考慮時間成本質(zhì)量權(quán)衡問題的多目標(biāo)多模式資源約束的項目調(diào)度問題中，給出了優(yōu)化機制分析，并從收斂性和分布性方面證明方法的有效性。 （3）基于活動時間的隨機變化引起活動成本和質(zhì)量的動態(tài)改變，結(jié)合機會約束規(guī)劃設(shè)計了概率轉(zhuǎn)換機制和隨機數(shù)模擬，以提高多目標(biāo)遺傳算法求解多目標(biāo)多模式資源約束的隨機項目調(diào)度問題的能力。 總體來說，就算法而言，本文以多目標(biāo)遺傳算法的NSGA-Ⅱ算法為著眼點，提出了兩種修改策略，并通過實驗證明了算法的有效性，充實了多目標(biāo)優(yōu)化算法理論。就項目調(diào)度而言，對項目的績效評估綜合考慮了質(zhì)量因素，豐富了常規(guī)的時間費用分析理論；對項目調(diào)度的研究考慮了隨機因素，彌補了不確定性網(wǎng)絡(luò)分析理論。
【關(guān)鍵詞】：項目調(diào)度 多目標(biāo) 遺傳算法 隨機網(wǎng)絡(luò) 機會約束編程 虛擬建筑
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2010
【分類號】：C93;F224
【目錄】：

• 摘要5-8
• Abstract8-13
• 目錄13-16
• 圖目錄16-19
• 表目錄19-20
• 第一章 緒論20-27
• 1.1 研究背景及其意義20-23
• 1.1.1 研究背景20-22
• 1.1.2 研究意義22-23
• 1.2 研究內(nèi)容和文章結(jié)構(gòu)23-25
• 1.3 主要創(chuàng)新點25-27
• 第二章 資源約束的項目調(diào)度問題的算法基礎(chǔ)27-45
• 2.1 組合優(yōu)化問題27-28
• 2.2 計算復(fù)雜性28-31
• 2.3 啟發(fā)式方法31-43
• 2.3.1 模擬煺火32-35
• 2.3.2 禁忌搜索35-37
• 2.3.3 蟻群算法37-39
• 2.3.4 進(jìn)化計算39-43
• 2.4 其它43-45
• 第三章 資源約束的項目調(diào)度相關(guān)問題綜述45-60
• 3.1 資源約束的項目調(diào)度問題描述45-48
• 3.2 資源約束的項目調(diào)度問題分類48-50
• 3.3 資源約束的項目調(diào)度相關(guān)文獻(xiàn)50-59
• 3.3.1 基于確定性方法的資源約束的項目調(diào)度51-55
• 3.3.2 基于啟發(fā)式算法的資源約束的項目調(diào)度55-59
• 3.4 本章小結(jié)59-60
• 第四章 多目標(biāo)遺傳算法研究60-77
• 4.1 多目標(biāo)優(yōu)化問題60-61
• 4.2 多目標(biāo)遺傳算法61-68
• 4.2.1 非支配集構(gòu)造62-64
• 4.2.2 種群保留機制64-66
• 4.2.3 遺傳操作66-67
• 4.2.4 NSGA-Ⅱ算法67-68
• 4.3 NSGA-Ⅱ算法的更新68-76
• 4.3.1 交叉系數(shù)的自適應(yīng)改變68-73
• 4.3.2 種群規(guī)模的自適應(yīng)改變73-76
• 4.4 本章小結(jié)76-77
• 第五章 多目標(biāo)多模式資源約束的項目調(diào)度問題研究77-98
• 5.1 現(xiàn)有文獻(xiàn)的不足77-78
• 5.2 多目標(biāo)多模式資源約束的項目調(diào)度建模分析78-84
• 5.2.1 項目工期優(yōu)化78-80
• 5.2.2 項目成本優(yōu)化80-82
• 5.2.3 項目質(zhì)量優(yōu)化82-83
• 5.2.4 多目標(biāo)優(yōu)化模型的建立83-84
• 5.3 實例分析一84-92
• 5.3.1 算法設(shè)計與仿真結(jié)果85-89
• 5.3.2 算法的性能分析89-92
• 5.4 實例分析二92-97
• 5.5 本章小結(jié)97-98
• 第六章 多模式資源約束的隨機項目調(diào)度問題研究98-119
• 6.1 隨機活動持續(xù)時間98-105
• 6.1.1 β分布的廣義性98-101
• 6.1.2 PRET網(wǎng)絡(luò)分析法機理101-102
• 6.1.3 PRET網(wǎng)絡(luò)分析法缺陷102-104
• 6.1.4 其它分布的隨機活動時間104-105
• 6.2 隨機變量的生成105-107
• 6.3 多模式資源約束的隨機項目調(diào)度問題107-118
• 6.3.1 一般意義下的隨機多目標(biāo)模型分析107-108
• 6.3.2 現(xiàn)有文獻(xiàn)的不足108-109
• 6.3.3 多模式資源約束的隨機多目標(biāo)項目調(diào)度數(shù)學(xué)模型109-111
• 6.3.4 實例分析111-118
• 6.4 本章小結(jié)118-119
• 第七章 項目調(diào)度-虛擬原型系統(tǒng)設(shè)計119-130
• 7.1 虛擬施工簡介119-120
• 7.2 CVP系統(tǒng)設(shè)計120-126
• 7.2.1 集成平臺120-121
• 7.2.2 開發(fā)環(huán)境121-122
• 7.2.3 設(shè)計步驟122-126
• 7.3 應(yīng)用實例126-128
• 7.4 本章小結(jié)128-130
• 第八章 總結(jié)與展望130-133
• 8.1 論文的主要工作和結(jié)論130-131
• 8.2 存在的問題和進(jìn)一步研究的展望131-133
• 參考文獻(xiàn)133-150
• 附錄一150-153
• 附錄二153-154
• 附錄三154-156
• 附錄四156-158
• 附錄五158-166
• 附錄六166-168
• 博士期間發(fā)表論文和科研情況168-171
• 致謝171-172

【引證文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 鄒汪平;;遺傳算法在計算機加密解密技術(shù)中的應(yīng)用[J];池州學(xué)院學(xué)報;2013年06期

  本文關(guān)鍵詞：基于多目標(biāo)遺傳算法的項目調(diào)度及其仿真研究，由筆耕文化傳播整理發(fā)布。

本文編號：484791