基于随机S曲线的项目绩效监测和预测研究

随机S曲线(SS曲线)充分考虑了项目费用和工期的随机性,展示了费用、工期和项目进展百分比之间的关系.基于仿真获得的SS曲线,提出新的费用偏差(CV)和工期偏差(SV)参数,实现对项目绩效的监测;考虑项目未来绩效与过去绩效之间的相关性,依据活动或项目的费用绩效指数(CPI)和工期绩效指数(SPI),对尚未完成和尚未开始活动的费用和时间参数进行调整,采用仿真方法预测项目未来绩效,获得项目完成时费用偏差(CVAC)和工期偏差(SVAC)指标,实现对项目绩效的预测.结合一个三层住宅工程案例,详细说明了基于SS曲线的项目绩效监测和预测方法在项目管理实践中的应用.     

基于时间EVT的项目进度预测方法

针对传统挣值技术在进度预测方面存在根本的缺陷,运用时间单位而非成本单位对项目的进度绩效进行度量,提出一种基于时间的挣值技术,并根据项目的不同状态,分别给出完工时间的估算算式。比较分析的结果表明:在整个项目生命周期内,尤其在项目接近收尾阶段(后1/3阶段),较之计划价值率与挣得工期法方法,基于时间EVT更能准确反映项目未来的进度状态,取得良好的进度预测效果。     

改进的模糊网络关键路径法

提出一种改进的模糊取最大运算和模糊减运算以确定模糊网络中的模糊时间参数. 改进的基于区间数距离测度的模糊取最大运算,通过枚举不同α-cut值,计算活动的模糊最早开始时间并确定项目可能变化的关键路径,从而解决了现有的研究中忽视了在活动工期模糊的情况下关键路径可能会发生变化的问题. 用改进的模糊减运算来计算活动的模糊最晚开始时间,有效避免了在传统的逆向递推计算中可能出现负的或者不可行解的情况. 通过一个实例验证了所提出的方法求解模糊网络时间参数的有效性和优越性. 所提出的方法不仅可用于模糊网络时间参数计算,也可以用于模糊资源受限项目调度问题.     

基于工期分布和多资源约束的关键链缓冲区大小计算方法

提出了一种综合考虑活动工期风险、资源影响系数和非关键链剩余缓冲等影响因素的关键链缓冲区大小计算方法。综合考虑项目资源受限程度和活动资源需求强度对缓冲区大小的影响,提出了活动资源影响系数计算方法;基于活动的工期分布,采用蒙特卡洛仿真估计活动的安全时间;改进了非关键链剩余缓冲的确定方法,并且在计算项目缓冲时吸收剩余缓冲。通过算例分析和比较研究,验证了采用改进方法建立的关键链进度计划,可以合理降低工期风险对项目进度计划的影响,并有效地缩短项目计划工期。     

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Monte Carlo仿真的随机S曲线研究

PB-S曲线是随项目进展变化的累计预算成本曲线和累计工期曲线,它综合考察了成本、工期和项目进展百分比三个变量之间的关系.SS曲线提供了与各个项目进展百分比对应的累计预算成本和累计工期的概率分布.采用Monte Carlo仿真和统计分析方法,结合一个费用和时间随机分布的网络计划,详细研究了PB-S曲线和SS曲线的仿真建模和统计分析过程.进一步,基于SS曲线,考察了费用偏差和进度偏差的统计特征,为项目绩效的预测和监测提供更详细的偏差信息.同时针对均值曲线作为基准计划曲线的局限性,提出了两种新方法用于选择一定置信度要求的PB-S曲线作为项目的基准计划曲线.     

项目群视角下大中型工程合同项目工期奖励模型

项目群进度目标控制是项目群管理的主要任务之一, 它是影响项目群能否如期发挥功能和经济效 益的关键因素, 项目群进度目标取决于合同项目进度目标. 从项目群视角, 通过分析合同项目工 期奖励机理, 利用关键路径法(critical path method, CPM)对合同项目工期进行研究, 重点探讨了合同项目 工期对项目群工期所产生的影响, 包括对合同项目自身、项目群关键节点以及项目群等三个方面的影响, 据此构建了项目群视角下 合同项目工期的奖励模型, 并分析了该奖励模型的特点. 结合南水北调东线工程宝应站项目群, 对合同项目工期奖励模型进行了实证分析. 研究成果克服了单项目视角下现行合同项目工期奖励 办法的不足, 从而为科学、合理地制定合同项目工期奖励办法提供理论依据.     

基于随机活动工期的资源约束项目鲁棒性调度优化

项目进度计划的鲁棒性对于不确定条件下项目的顺利实施具有重要影响. 作者研究具有随机活动工期的资源约束项目鲁棒性调度问题, 目标是在可更新资源和项目工期约束下安排活动的开始时间, 以实现项目进度计划鲁棒性的最大化. 首先对所研究问题进行界定并用一个示例对其进行说明. 随后构建问题的优化模型, 设计禁忌搜索、多重迭代和随机生成三种启发式算法. 最后在随机生成的标准算例集合上对算法进行测试, 分析项目活动数、 项目工期和资源强度等参数对算法绩效的影响, 并用一个算例对研究进行说明, 得到如下结论: 禁忌搜索的满意解质量明显高于其他两种算法; 当资源强度或项目工期增大时, 平均目标函数值上升, 禁忌搜索的求解优势增强. 研究结果可为不确定条件下项目进度计划的制定提供决策支持.     

考虑支付进度的动态工期优化

建立了基于网络图的传统工期费用交换问题的优化模型.针对传统优化模型的缺陷,考虑资金的时间价值,以净现值最大化为优化目标,建立了基于工程款支付进度的动态工期优化模型,目标函数包括了项目实施中的各项现金流入和流出:业主支付、活动直接费用、项目间接费用.同时给出了两个模型的求解算法.最后结合一个算例对比了不同工期优化下的结果.结果表明,与传统优化模型相比,虽然本文提出的优化模型工期增加了,但建筑商的净现值收益提高了.从反映建筑商真实收益的净现值角度看,所提的模型更优.     

挣值法在软件项目成本和进度监控中的应用

针对软件项目存在“产品进度延误,费用剧增”的问题,以挣值法作为理论基础,结合软件项目的开发过程,通过应用挣值法的计划投资额、实际投资额、完成投资额三个关键中间变量,费用偏差、进度偏差二个差异分析变量指标和成本偏差率、进度偏差二个指标变量的指标统计分析软件项目成本花费、进度执行情况,为软件项目成本、进度的联合监控提供依据,使项目管理工作目标清晰,过程控制高效有序,从整体上良好地把握了软件项目的运行状态,实现了对软件项目成本和进度的监控。     

基于分层结构的C4ISR服务部署分布式演化方法

针对指挥信息系统(command, control, communications, computers, intelligence, surveillance and reconnaissance, C4ISR)服务部署分散、作战平台计算/存储资源有限、演化实时性要求高的特点, 基于分层结构设计了系统状态分布式监控与演化总体架构, 并在该架构下提出了一种服务部署方案层级动态调整方法。通过定义信息流转长度与方案调整代价设计了服务部署调整方案的数学优化模型, 针对部署方案中同时包含服务部署位置和信息流转路径的特点, 将成对交换思想、最短路径规划与m-best策略相结合提出了一种贪心求解算法, 以实现调整方案的快速生成。实验证明, 该方法能够在保证系统信息流转效能的同时有效控制系统的演化范围, 适用于执行任务过程中服务部署方案的敏捷调整。     

基于网格PRM的无人机多约束航路规划

目前,无人机航路规划技术存在约束条件少,不能满足实际飞行需求,规划效率低等不足,文章主要针对上述问题提出改进措施。首先,将航路约束条件进行分类,提出了基本约束、平台安全约束和链路载荷约束,并对约束条件建模,完善无人机航路约束模型。为了提高无人机航路规划效率,提出了网格概率地图法(grid-probabilistic-roadmap, GPRM),利用约束模型构建代价函数,实现无人机航路的多约束快速航路规划。GPRM的实验仿真表明,GPRM规划效率相比较传统PRM有显著提升,同时规划结果更加符合实际任务需求,证明基于GPRM的无人机航路规划具有一定的工程应用价值。     

取水监测数据的奇异值识别与修正策略

提高水资源监测数据的真实性与完备性是国家水资源监控能力建设的重要内容.本文基于当前国家水资源监控数据的实际统计状况,提出采用小波变换模极大值的方法实现对取用水监测数据的降噪和奇异值的挖掘,并将辨识出的奇异值进行剔除处理后的监测数据序列作为粒子群-最小二乘支持向量机模型的训练样本,进而根据拟合函数对奇异值进行修正的策略.通过对重点取用水户的取用水监测数据进行实证研究结果发现,利用小波变换模极大值可较大限度地保留取用水监测数据的原始信息,并实现对其中变动幅度偏大数据的分离,可有效降噪并观测取用水监测数据的内在变化规律;同时借助相对误差可进一步挖掘监测数据中存在的奇异值,且辨识效果要好于传统统计方法;而粒子群-最小二乘支持向量机模型对取用水监测数据的样本拟合要比普通最小二乘支持向量机、曲线拟合等方法更为有效,运用该方法修正的取用水监测数据奇异值更加符合实际取用水需求的特点.     

基于非监督贝叶斯学习雷达性能指标动态评估

针对传统雷达性能指标评估方法相对“机械”、缺乏理论约束,需要多次重复实验,导致评估效率较低,评估成本较高等问题,提出基于非监督贝叶斯学习方法的雷达性能指标动态评估算法,在一定雷达探测目标先验假设下,结合典型回波观测数据模型,建立雷达性能指标后验概率模型。考虑到先验知识与观测数据可能存在的非共轭特性,针对先验概率模型建立分层贝叶斯模型,从而保证雷达性能指标后验概率密度函数的可解性。此外,为了保证后验概率密度函数的闭合解析解,应用变分贝叶斯期望最大化(variational Bayesian expectation maximization, VB-EM)方法,基于高斯-赛德尔迭代策略分别计算性能指标及其超参数的后验概率密度函数。最终,利用后验概率密度函数计算结果,可获得相应性能指标解析估计值及其置信区间和置信度,从而实现对指标动态变化的解析指示。相比传统蒙特卡罗评估方法,所提方法仅需一次实验数据便可获得定量的、解析的指标评估结果,可以大大缩减评估成本,提升评估效率,同时可对指标动态变化给出定量指示。应用仿真数据对雷达定位、测高精度以及目标检测概率指标进行了验证,相比传统方法,评估处理增益获得了有效提升。     

基于out-of-bag样本的随机森林算法的超参数估计

随机森林是一种有效的分类树集成算法,但为了使它具有较高的预测精度,要采用某种方法确定其超参数的最优值.在不额外增加计算复杂性的前提下,提出了一种基于out-of-bag样本估计其超参数取值的方法.仿真试验的结果表明,利用文中提出的方法所选取的超参数在多数情况下都能使随机森林算法的分类效果达到最优.     

选择Pareto非劣解最优方案的量化方法:性价比法

针对多目标优化问题,提出了便于决策者以其偏好选择Pareto非劣解的量化方法——性价比法.通过剖析决策者选择最优方案的基本原则,发现如果从理性出发,以市场法则进行比选,则决策者无论有何偏好,以较低价格得到较高性能的产品,即获得高性价比应是其共同的愿望.仔细观察Pareto前沿分布,可以看到其排布特点具有恒递增或恒递减趋势,且大多分布不均匀,这意味着其中蕴含有不同的变化率及敏感性,从中可以挖掘出新的内在规律性.由这一认识出发,借鉴"性价比"概念,构造出各相邻非劣解对应目标函数值的平均变化率,得到了类似于"性价比"概念的灵敏比;将灵敏比无量纲化后,根据支配关系,筛选出Pareto非劣解集中新的非支配子集,进一步缩小了选择范围.以上述成果为基础,提出了各Pareto非劣解相对于不同目标函数偏向度的计算方法,实现了Pareto非劣解的量化评价,进而有助于决策者根据偏好选择非劣解.最后,通过具体实例的计算,验证了文中所述方法的可行性和有效性.本文研究对于多目标优化的求解与应用具有很好的参考价值.     

改进A*算法的机器人能耗最优路径规划方法

为了降低移动机器人在运动过程中的能耗, 提高在能源补给有限时的任务执行率, 提出了一种改进A^*算法的机器人能耗最优路径规划方法。首先, 根据四轮差速驱动移动机器人的运动学约束, 建立了其运动的能耗模型。然后, 根据起始状态和目标状态约束求解生成运动基元, 采用能耗模型计算运动基元的能耗值, 构建了能耗运动基元集。其次, 基于传统A^*算法, 改进提出了一种能耗最优路径规划方法, 该方法在规划进程中以能耗运动基元集中定义的节点之间的连接关系进行节点扩展, 而以能耗值作为节点之间的通行成本, 从而保证获得一条全局能耗最优路径。最后, 离线地图仿真测试和机器人实验结果表明所生成的路径总能耗可降低约28.24%, 从而验证了算法的有效性。     

航空发动机机载模型迭代计算优化方法研究

航空发动机是一个复杂、时变的多变量热力物理系统,其部件级模型的收敛精度与收敛速度对基于模型的发动机健康管理和容错控制等领域研究具有重要意义。现有的发动机部件级模型一般基于传统拟牛顿法进行各平衡方程的联立求解,较于传统牛顿-拉夫逊法(N-R法)收敛速度得到优化,但难以满足全包线范围内动态模型机载化应用的精度兼实时性要求。提出了一种自适应变步长因子拟牛顿法,可在保证模型计算精度的同时,最大程度地减少模型迭代次数,从而大幅提升模型计算速度,为模型的机载化应用创造条件。基于现役发动机计算平台MPC5554微控制器的仿真实验结果表明：相比于传统算法,所提算法具有更好的收敛性与实时性。