基于业主视角的多模式项目支付进度问题及其启发式算法

从业主的视角研究了活动具有多种执行模式的项目支付进度问题.首先对所研究问题进行界定并定义文中所用到的符号;随后构建业主视角多模式项目支付进度问题的优化模型,通过将其转化为离散时间/费用权衡问题的子问题P_C|T,证明该问题为强NP-hard;基于这一结果,针对问题特征设计启发式求解算法,通过在两个模块之间的模拟退火搜索迭代,获得其满意解;在40个随机生成的标准算例上对算法进行测试,得到如下结论：算法可以在24.63秒内求解所有的算例,满意解对应的目标函数值与其上界的相对偏差不超过8.24%;随着支付次数、折现率、承包商可接受最低利润率及支付比例的上升,业主的项目净现值下降.     

基于资金约束的项目支付进度问题研究

研究资金约束下的项目支付进度安排问题,其中活动具有多种执行模式,目标是最大化项目净现值.首先界定研究假设条件并定义文中用到的符号;随后构建问题的非线性整数规划优化模型;针对其强NP-hard属性,设计三层迭代循环嵌套的禁忌搜索启发式算法;以多重迭代改进算法为对比基准,在随机生成的3240个标准算例上对算法进行测试,结果表明:禁忌搜索获得的满意解质量远高于多重迭代改进,但其计算时间要长于后者.该研究可为承包商安排项目进度及平衡现金流提供决策支持.     

多模式项目支付进度的整合优化研究

首先明确了研究的假设条件并对符号进行了定义;随后分别从承包商和业主各自的角度构建了多模式项目支付进度的优化模型;在此基础上讨论了项目融资费用分担问题并对双方整合角度的多模式项目支付进度问题进行了界定,构建了由两个优化模型集成的双方整合角度优化模型,求解该模型可以获得使双方联合收益最大化且按照商定比例分担项目融资费用的支付进度安排;最后,通过一个实例的计算分析对本文的研究成果进行了说明.     

基于不同支付规则的MPPSP及其模拟退火与禁忌搜索算法

研究了基于不同支付规则的多模式项目支付进度问题.首先对所研究问题进行界定;在此基础上构建不同支付规则下的多模式项目支付进度优化模型,证明问题的强NP-hard属性;随后设计模拟退火及禁忌搜索两种启发式求解算法;在随机生成的标准算例集合上对算法进行比较测试,分析关键参数对目标函数的影响.结果表明:该文所开发的模拟退火启发式算法的求解质量要优于禁忌搜索启发式算法,而且这种优势随算例规模的增大而增加;此外,承包商收益随着支付次数与支付比例的增加而增加,随着折现率的提高而减小;基于时间、进展和费用支付规则下的满意解的目标函数值不超过基本支付规则下的对应值.     

一种求解多模式项目支付进度问题的双模块模拟退火启发式算法

给出多模式项目支付进度问题的优化模型；随后对问题的解空间规模进行了分析，推断出解空间规模随项目活动教的增加呈指教形式增长的结论；鉴于这一结论，设计了由支付事件集争搜索模块和事件进度搜索模块构成的双模块模拟退火启发式算法；最后用从经典文献厦实际中获得的代表性算例对算法进行了测试，结果满意。     

基于联合视角的项目支付问题及其模拟退火启发式算法

从合同双方的联合视角出发,研究项目支付进度问题。其中,支付与项目事件相联系,任务是合理地安排支付事件、活动执行模式及事件发生时间,以使合同双方的共同收益最大化并使二者都能接受相应的安排。在对问题进行界定的基础上,构建由两个子模型构成的优化模型。针对问题的强NP-hard属性,设计包含两个子模块的模拟退火启发式算法,并在随机生成的标准算例集合上对算法进行测试,结果表明,该算法是求解问题的有效算法。最后,用一个算例对研究进行说明,得到如下结论:如果合同双方均按自身偏好进行决策,那么将会导致一种双输的结果;如果他们能够相互合作和协调,那么都可从项目中获得更高的收益。本文的研究可以为合同双方关于项目支付进度安排的谈判提供决策支持。     

多模式资源约束型折现流时间-费用权衡项目进度

传统离散时间-费用权衡(DTCTP)项目进度研究以费用最小化为目标，无资源约束和间接费用，这与实际工程项目的实施不相符。提出多模式资源约束型折现流时间-费用权衡项目进度问题(MRCTCTPDF)，以净现值为优化目标，考虑项目执行中的各项资金流：活动费用、业主的支付及与奖惩机制联系的奖金(罚金)、项目的间接费用；并且将活动费用区分为不变费用和可变费用。建立MRCTCTPDF的数学模型，通过一个数值实例验证模型的有效性。结果表明，项目的最优进度安排与业主的支付行为及资源约束密切相关，这对承包商进行项目工期-费用权衡决策具有重要的借鉴意义。     

基于进度优化的大型项目激励机制模型

在项目管理实践中,业主通常会设立激励机制以确保项目按期完成,而承包商则会根据业主设定的激励机制合理安排项目进度.本文讨论了大型项目的激励机制,研究了业主和承包商的决策问题,建立了以项目收益净现值最大化为目标函数的Stackelberg主从递阶决策模型.通过各子项目激励强度的设定对激励机制进行优化,协调业主和各承包商的利益关系,进而实现业主收益的最大化.     

不同支付条件银行授信约束折现流项目调度

支付条件对于项目现金流分布并进而对承包商的项目收益会产生重要影响.本文基于这一现实情况,研究不同支付条件下的银行授信额度约束折现流项目调度问题.作者首先综述该问题的研究现状;然后对所研究问题进行界定,进而构建项目调度优化模型;针对问题的NP-hard属性,设计模拟退火启发式算法;在随机生成的标准算例集合上,对算法的绩效进行对比测试及验证;最后用一个算例对研究进行说明,并分析项目收益对关键参数的敏感性,得到如下结论:项目净现值随银行授信额度和截止日期的增加而边际效应递减地上升,随支付比例的增加而线性单调上升,随折现率的增加以负指数形式下降.本文的研究可以为承包商安排项目进度并优化现金流量提供决策支持.     

多模式柔性资源约束型折现流项目进度问题研究

根据项目进度领域现有研究的不足，提出多模式柔性资源约束型折现流项目进度问题(MMFRCPSP-DCF)。柔性资源的引入放松了资源约束，扩展了活动模式的选择范围，从而可以在一般资源约束的基础上进一步优化项目进度，同时可以为承包商提供基于项目进度优化的资源租用或购买清单。从资源的柔性成本、完成各项事件的费用、业主的支付以及奖惩机制等方面对MMFRCPSP-DCF进行了分析，构建了以净现值最大化为优化目标的非线性整数规划模型，并通过算例对研究结果进行了验证。     

THE 8~(th) INTERNATIONAL CONGRESS ON INDUSTRIAL AND APPLIED MATHEMATICS

正August 10-14,2015Beijing,ChinaThe International Congress on Industrial and Applied Mathematics(ICIAM)is the premier international congress in the field of applied mathematics held every four years under the auspices of the International Council for Industrial and Applied Mathematics.From August 10 to 14,2015,mathematicians,scientists     

2014 List of Referees

正~~     

《Journal of Systems Science and Systems Engineering》Contents of Volume 23,2014

正~~     

TSINGHUA UNIVERSITY,Beijing, China

正AF:Any Field The School of Economics and Management at Tsinghua University(Tsinghua SEM)invites applications for faculty positions at all levels(Assistant Professor,Associate Professor and Full Professor)in any fields of business administration and management.Tsinghua SEM is the only school     

Call for Papers The 12th International Conference on Service Systems and Service Management ICSSSM'15

正June 22-24,2015Guangzhou,China http://iec.cnsba.com/index.htmlCo-Sponsored by:ffiEE SMC(pending)South China University of Technology The Chinese University of Hong Kong Tsinghua UniversityHosted bv:School of Business Administration,South China University of Technology,China Conference Co-Chairs:     

The 12th International Conference on Service Systems and Service Management ICSSSM'15

正~~