Enterprise resource planning implementation decision & optimization models

To study the uncertain optimization problems on implementation schedule, time-cost trade-off and quality in enterprise resource planning (ERP) implementation, combined with program evaluation and review technique (PERT), some optimization models are proposed, which include the implementation schedule model, the timecost trade-off model, the quality model, and the implementation time-cost-quality synthetic optimization model. A PERT-embedded genetic algorithm (GA) based on stochastic simulation technique is introduced to the optimization models solution. Finally, an example is presented to show that the models and algorithm are reasonable and effective, which can offer a reliable quantitative decision method for ERP implementation.     

基于关键链和混合优化算法的舰船多项目并行建造进度管理方法

针对舰船多资源约束、多项目并行建造条件下进度优化与管理能力的不足,提出了一套进度管理方法。首先,基于关键链理论给出了多资源约束下舰船多项目并行建造进度管理步骤。其次,构建了舰船多项目并行建造进度优化模型,可实现在优化并行项目总工期的过程中通过合理分配各种资源获取最佳项目实施组合。最后,设计了适合于舰船建造等大型复杂工程项目求解的混合优化算法,并通过算例验证了方法的实用性。     

工程项目工期-成本-质量均衡优化

工程项目管理的重要内容之一就是对工程工期、成本、质量等目标进行综合均衡控制,而这三者又是相互关联的矛盾对立统一体,即三大目标中任一目标的增强必然以牺牲其他目标为代价。本文在对比分析了现有文献中关于质量问题的多目标优化模型——质量成本模型、质量可靠度模型、工期-质量曲线模型、赢得值模型等的基础上,提出了基于网络系统可靠度的质量模型,进而改进了工程项目工期-成本-质量三者的均衡优化模型,最后运用该模型对一个工程实例进行优化。在优化过程中,本文采用了基于免疫遗传的微粒群算法(IGPSO),优化结果证明了该模型的可行性和有效性,为项目管理者提供了有效的决策支持。     

基于相关机会规划思想的模糊随机时间费用均衡模型

对于实际工程的管理者和决策者来说, 工程整体费用和工期之间如何达到均衡以及工程所处环境的不确定性是两个必须要面对和考虑的问题. 基于相关机会规划的思想, 针对随机性和模糊性并存的复杂不确定环境, 提出了一类时间费用均衡模型. 在建立的模型中, 以模糊随机变量来刻画工程所处的复杂不确定环境. 随后, 结合模糊随机模拟方法和遗传算法设计了一种混合智能算法, 用于求解该模型. 最后, 通过数值实验来验证所设计算法的有效性和稳定性.     

基于激励遗传算法的动态时间/费用优化

人们在处理网络计划的优化问题时,往往忽视了资金的时间价值,而且取得项目最大净现值的技术开发已经大大落后于对资源配置与资源优化的分析.本文建立了动态时间/费用优化的数学模型,提出了改进的激励遗传算法,并且将激励遗传算法应用于模型的求解.最后,通过分析比较,得出动态时间/费用优化的结论才更为可靠与准确的结论.     

可更新资源受限的工期-费用权衡问题及粒子群算法

传统离散时间-费用权衡项目调度问题(DTCTP)中,可更新资源约束被忽略,将可更新资源约束引入DTCTP模型,形成可更新资源受限的工期-费用权衡项目调度问题(RRCDCTP)。在活动执行模式中增加可更新资源需求量,并考虑项目执行中的单位工期的可更新资源限量约束,基于可更新和不可更新两类资源的使用量计算活动费用。根据模型特点,提出一种求解该模型的粒子群优化算法。实例验证结果表明,当存在可更新资源约束时,在相同总费用预算约束下,RRCDCTP获得的最优项目工期比DTCTP获得最优工期长;同时,可更新资源限量越小,最优调度计划中具有浮动时差的活动数越少。     

基于资源流网络优化的鲁棒性项目调度

针对项目执行过程中由于活动拖期导致基准调度计划不断变更的问题,从资源分配的角度构建基于资源流网络优化的鲁棒性调度计划。首先设计拖期惩罚成本指标来衡量调度计划的鲁棒性,并构建以拖期惩罚成本最小化为目标的资源流网络优化动态模型。针对该模型设计MTPC资源流网络优化算法,该算法以活动为基准,采用拖期惩罚成本最小的资源分配方案实现资源在活动节点之间的有效流动,提升调度计划的鲁棒性。最后,为验证MTPC优化算法的有效性和可行性,通过采用蒙特卡罗模拟仿真实验将MTPC优化算法与RRAS,Min-EA和MABO等3种资源分配算法进行对比分析。实验结果表明：MTPC算法在调度计划的鲁棒性,资源分配方案的稳定性以及算法的时间效率上都优于其他3种算法。MTPC算法不仅能快速有效地完成资源配置,还能通过降低活动的拖期风险提升调度计划的鲁棒性,这可以帮助项目管理者构建抗干扰能力较强的基准调度计划。     

突发事件应急救援前摄性调度与反应性调度的集成优化

突发事件应急救援具有高度的不确定性与动态性,稳定可靠的救援计划及其合理有效的动态调整,对于应急救援的顺利实施具有重要影响.本文以企业生产事故与突发事件为主要对象,研究应急救援的前摄性调度与反应性调度的集成优化问题.作者首先对问题进行界定,构建前摄性调度优化模型以求得一个鲁棒性最大的基准计划,然后以此为基础建立调整损失最小的反应性调度优化模型.针对问题的NP-hard属性,设计专门的禁忌搜索启发式算法.最后,通过对一个实际井喷事故救援过程的求解分析对研究进行说明,得到如下结论:前摄性调度的鲁棒性与反应性调度的损失值之间,并不存在一个绝对的单调关系,通过反复多次的求解运算,可以找到二者之间平衡点,实现两种调度方式的集成优化.本研究可为突发事件应急救援基准计划的制定与动态调整提供定量化决策支持.     

基于蚁群算法的施工项目工期-成本优化

工期-成本优化是施工项目计划的一个重要方面.它从实质上属于一类多目标优化问题.结合近年来提出的一种新的进化算法-蚁群算法(ACO),尝试对工期成本问题(TCTP)进行求解.通过与改进自适应权重方法(MAWA)的结合,ACO算法不仅可以找到最优解,还可以得到问题的帕雷托前沿.通过一个算例验证了算法的有效性,并和枚举法和遗传算法的计算结果进行了比较.结果表明蚁群算法对于工期成本优化问题的求解是十分适用的.     

考虑不确定因素影响的保障任务调度算法

针对装备保障任务的优化调度问题,首先进行静态建模,提出了一个新的数学规划模型,能够有效描述保障单元的力量配置及与保障对象的指派关系等复杂约束条件;随后实施动态建模,利用混合Petri网把数学模型转换为流程模型,不仅构建了变迁激发规则以表达静态数学模型的约束条件,而且设计了新的子网结构模拟突发事件及协同保障的动态过程。为了求解该规划模型,提出了一个基于退火进化的优化调度算法,该算法首先计算保障单元的分配问题,随后搜索资源分配的优先级列表生成保障任务的工作顺序,算法中利用Petri网过程模型计算不确定条件下的目标函数值。仿真实验表明算法能在较快的收敛速度下提高保障单元的利用率。     

基于改进差分进化算法的水文模型参数多目标优选研究

在差分进化算法的基础上, 受马尔可夫链蒙特卡罗方法的启发, 建立了differential evolution adaptive metropolis (DREAM)算法. DREAM 算法融合了马尔可夫链蒙特卡罗方法和差分进化算法的优势, 较好地解决了马尔可夫链蒙特卡罗方法中搜索步长的恰当取值以及搜索方向的准确定位问题, 并能有效解决差分进化算法的群体多样性和收敛速度问题. 在 DREAM 算法基础上, 引入多目标优化思想, 提出了一种基于改进适应度分配策略和外部存档方案的多目标 DREAM 算法, 并应用于岷江流域 CMD-3PAR 降雨-径流模型参数优选研究. 结果表明: 多目标DREAM算法能够找到一组范围宽广、分布均匀且数量充足的 Pareto 最优解供决策者评价优选.     

基于模糊随机规划的反TBM目标分配优化模型

针对反导目标分配优化问题中存在的不确定性特征,引入模糊随机规划理论.首先建立了基于模糊随机规划的反战术弹道导弹(tactical ballistic missile,TBM)的目标分配优化模型.在此基础上,构建了一种针对多约束目标分配问题的粒子编码方案,并改进传统粒子群算法的位置和速度更新方式,提出了改进型离散粒子群(improve discrete particle swarm optimization,IDPSO)算法.最后,设计了模糊随机模拟技术和IDPSO算法相结合的混合智能求解算法.仿真实例表明,混合智能算法全局寻优能力强,优化效率高,满足反TBM目标分配优化对时效性的要求.     

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.     

井下机车运输调度的资源分配模型及无死锁优化调度

对井下机车运输系统进行无死锁调度和性能优化, 首先, 建立三种不同调度策略下的资源分配Petri网模型, 设计对应调度策略下无死锁标识的最大边界设置算法, 证明了调度策略在最大标识边界设置下的无死锁性. 然后, 以最小化时耗和能耗为优化目标, 利用遗传算法, 采用变迁标号的自然编码方式, 通过检查变迁的引发条件检测染色体的可行性, 修复不可行的染色体使其对应的调度满足资源约束, 从而保证了算法所利用的所有染色体均可对应系统的可行调度, 最后进行实例仿真. 设计的无死锁调度的最大标识边界设置算法和遗传算法为井下机车的运输调度提供了可靠的理论基础.     

Hybrid ant colony optimization for the resource-constrained project scheduling problem

To solve the resource-constrained project scheduling problem (RCPSP), a hybrid ant colony optimization (HACO) approach is presented. To improve the quality of the schedules, the HACO is incorporated with an extended double justification in which the activity splitting is applied to predict whether the schedule could be improved. The HACO is tested on the set of large benchmark problems from the project scheduling problem library (PSPLIB). The computational result shows that the proposed algorithm can improv...     

随机需求下公交时刻表设计的鲁棒性优化

考虑在实际运营中乘客需求具有随机性,固定需求下优化的公交时刻表不适应运营的要求.随机需求下的期望值模型忽略了不利可能事件对运营的负面影响,针对此情况研究随机需求下公交时刻表设计的鲁棒性优化.模型综合考虑乘客成本与运营成本,采用鲁棒性优化权衡目标期望值与偏差期望值.结合随机模拟技术,选用遗传算法求解模型.给出了算例,验证了模型和算法的有效性.通过比较固定需求模型、随机需求期望值模型、随机需求鲁棒性模型,说明在鲁棒性优化下需要提供更多的交通供给以降低偏差期望值.最后,对鲁棒性模型中的偏差权重系数进行了灵敏度分析.     

基于污染物侵入模拟的供水管网水质监测点优化选址方法

提出了突发或者蓄意污染情况下供水管网水质监测点优化选址的最大覆盖选址模型.结合一管网算例,利用EPANET2软件模拟扩展周期非稳态水力水质条件下管网节点污染物浓度变化情况,由此得到各个节点被注入污染物后,监测点监测到污染物浓度时不同用户节点对外供出的污染水体体积.同时提出基本粒子群优化算法与遗传算法交叉、变异算子相结合的整数编码的混合粒子群优化算法来求解该选址模型,并编制了相应的C 程序.提出的优化模型与求解算法对管网水质监测点的优化选址具有一定的参考作用.     

基于资源流网络与时间缓冲集成优化的鲁棒性项目调度

针对工期不确定的资源受限项目调度问题,将鲁棒性资源分配和时间缓冲插入两种方法进行有效地结合,通过设计两阶段集成优化算法构建抗干扰能力较强的鲁棒性项目调度计划.第一阶段提出MEPC(minimizing expected penalty cost)资源流网络优化算法,通过对资源进行有效配置生成稳定的资源流网络.为进一步提升调度计划的鲁棒性,第二阶段通过固定第一阶段构建的资源流网络,设计EPC(expected penalty cost)缓冲优化算法,通过迭代方式在延期风险较大的活动前插入时间缓冲,实现项目期望惩罚成本最小化.最后通过大规模仿真实验从"解"鲁棒性"质"鲁棒性两方面来验证两阶段算法的有效性和可行性,结果表明通过将资源流网络与时间缓冲进行集成优化构建的调度计划不仅具有较好的完工性并且能更有效地应对项目执行过程中各种不确定性因素的干扰.     

集装箱码头泊位分配-装卸桥调度干扰管理模型

针对集装箱码头作业过程中,由于干扰事件导致泊位与装卸桥调度计划难以顺利实施这一难题,运用干扰管理方法,从码头作业成本、船舶等待成本以及计划偏离度三个方面度量系统扰动,建立泊位分配-装卸桥调度干扰管理模型,提出求解干扰管理模型的仿真优化法,设计基于局部重调度与禁忌搜索算法的仿真优化算法,利用算例对模型与算法的有效性进行了验证.计算结果表明:与全局重调度算法相比,基于局部重调度的算法可以提高计算效率,同时,干扰管理模型能够考虑各方的利益,因此得到的干扰应对方案更科学.     

基于PSO在线优化的多模型自适应动态矩阵控制

针对常规的自适应动态矩阵控制算法,在实际被控对象的模型参数发生突变时,系统的瞬态响应较差,提出了基于PSO在线优化的多模型自适应动态矩阵控制方法。对一类含跳变参数的单输入单输出离散时间被控对象,在模型参数范围未知情况下,以自适应模型参数为依据,经规则判断后通过所提出的基于双群体深度搜索的粒子群优化（PSO）算法在线优化自适应模型参数,并通过所定义的模型相似度自动建立多个固定模型。通过指标切换函数找到当前最优控制器。仿真结果表明,该方法明显优于常规的自适应动态矩阵控制算法,说明了该方法的有效性和可行性。