基于合成事件技术的项目群甲供非商品化资源的配置优化

甲供非商品化资源(the Non-Commercial Resource Provided by Employer, NCRPE)是项目群建设的瓶颈资源，它对业主投资和进度具有重要影响。首先，基于传统的资源优化理论与方法，综合考虑因非关键合同项目的时差使用所致的工期延误风险，研究并构建了以NCRPE的风险型费用现值最小为目标的优化模型，并引入了用于计算风险的合成事件技术；其次，设计了混合粒子群算法求解此模型；最后，开展X项目群的案例分析，计算得到最优解，并对比了最优资金费用现值方案、最早时间开工方案、最晚时间开工方案与传统资源均衡方案的结果。研究结果表明：最优费用现值方案不仅能够实现费用现值最小，同时还能在一定程度上确保项目群较高的完工概率和较低的工期延误风险。研究成果为业主制定项目群NCRPE的配置计划提供了一种新思路。     

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。     

甲供非商品化资源约束下可中断项目群调度模型

不可更新资源的约束会导致项目群中各合同项目开工延误甚至施工中断。针对不可更新资源受限理论研究存在的局限性,开展了多种甲供非商品化资源(NCRPE)约束下可中断项目群调度问题的研究。首先,由于资源分配多样性会给项目群进度造成不确定性影响,围绕项目群工期—延误成本双目标优化模型展开研究,采用改进编码方式的多目标粒子群算法(MOPSO)进行求解,获取项目群的资源分配方案,利用串行调度生成机制(SSGS)得到项目群进度计划;其次,将MOPSO算法和NSGA-II算法进行对比,通过IGD和HV两个指标来衡量MOPSO算法求解该问题的有效性;最后,结合实际案例,对模型进行求解分析。在甲供非商品化资源约束和项目可中断情况下,构建的项目群调度模型能够有效地实现项目群工期和合同项目延误成本的双目标优化。研究成果为业主合理分配NCRPE以及进行项目群调度提供理论依据。     

优化建设项目费用支付的纳什均衡模型及其遗传算法求解

建立业主与承包商间就建设项目费用支付问题的完全信息动态博弈模型，以使业主与承包商的建设项目费用支付(或获得)现金流的净现值对最理想值的偏差最小为优化目标，讨论纳什均衡解，并运用遗传算法求得建设项目费用支付的均衡优化方案。应用本文给出的模型及求解方法，既可以较好地解决业主对建设项目费用支付的控制问题，也能够合理地兼顾到承包商的利益，是一种双赢解决方案。     

多种资源约束的多模式折现流离散时间-费用权衡问题

针对带折现流的时间-费用权衡问题研究未充分考虑资源约束的现状,本文以净现值最大化为优化目标,从整个项目实施过程的视角分析现金流动情况,并将业主的支付、合同双方约定的奖励惩罚以及项目的间接费用考虑到目标函数中,综合考虑可更新和不可更新资源约束,形成多种资源约束的多模式折现流离散时间-费用权衡问题(MRCDTCTPDF)及其数学模型,设计了求解该问题的改进遗传算法,并通过数值实验验证了模型的有效性。结果表明在以净现值最大为追求目标时,业主的奖惩机制对承包商的影响作用较小,且在满足工期限制的前提下为非里程碑活动选择较长工期以推迟现金流出的做法更有利于承包商获取较大收益。     

资源约束下的时间-费用交换问题研究

传统的活动网络时间 -费用交换问题着重研究如何通过增加费用压缩活动工期以实现项目费用最小 ,而没有考虑资源的约束 .考虑资源可用量限制情况下 ,建立了资源约束下的时间 -费用交换问题模型 .采用特殊编码方式为该模型设计了启发式遗传算法并编写了 VC++5 .0程序 ,用数值实例说明了该模型的合理性和程序的有效性 .该模型对项目业主和承包商之间的合同谈判决策具有借鉴意义 .     

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。     

基于优化资源流约束的模具多项目反应调度算法

针对模具多项目执行过程中由于任务拖期而导致的调度计划变更,提出了一种基于优化的资源流约束的反应调度算法. 首先利用基于优先规则的微粒群算法构建一个项目加权工期之和最小的初始调度计划,采用启发式算法建立并优化初始调度计划的资源流网络,并将关键链技术与资源流网络相结合,对初始调度计划进行合理的时间缓冲设置. 然后建立了以调度计划扰动费用最小为优化目标的反应调度模型,并用基于优先规则的微粒群算法进行求解. 最后,通过仿真计算分析了算法的可行性与可靠性,结果表明该反应调度算法在模具多项目动态调度中具有一定的应用价值.     

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.     

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。     

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.     

基于边际效用函数的最佳人力资源管理模型研究

为分析管理成本分配结构对军队人力资源管理绩效的影响,本文从经济学的边际效用递减规律出发,构建了最佳人力资源管理模型.该模型能够在任意给定的总效用水平或成本投入条件下,对各指标的最佳投资额度进行求解,得到最佳成本投入方案,从而实现对人力资源管理中人力资源投入的优化配置.仿真实验表明,提出的模型能够提高资源利用率、改善人力资源管理质量效益,对人力资源管理实践具有实际指导意义.     

具有能量收集设备的移动边缘计算资源分配研究

针对具有能量收集能力的移动边缘计算系统的计算资源分配问题,提出一种基于李雅普诺夫贪婪优化算法。构建在设备电池电量逐渐收敛下,移动设备时延与能耗联合成本的动态最小化优化问题。利用李雅普诺夫动态优化理论,将优化问题分解成每个时隙最佳本地执行、卸载执行和能量收集3个子问题,通过线性规划获得子问题最优解。通过在本地执行、卸载执行和任务丢弃之间选择执行模式,获得设备的时延与能耗联合成本最小结果。利用键值对设计贪婪策略程序,以适应多用户多服务器系统。仿真结果证实,在保证所有设备电池电量都在规定操作水平附近稳定情况下,卸载率可达99.9%以上,并能有效降低服务延时和系统能耗。     

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.     

加工时间依赖于资源消耗量的平行机调度问题

研究了一类平行机调度问题,其中假定作业加工时间是资源消耗量的线性减函数,调度的目标是在限定最大完工时间时最小化资源消耗总量. 分析了对应单机问题的最优算法和下界构造方法,进而提出了两个优化策略用于构造模拟退火算法和禁忌搜索算法.考虑了多种最大完工时间限制情形, 构造了大量随机实验数据,对算法解的精确度及计算效率进行了测试.实验表明所构造的模拟退火算法能够在合理的时间内提供高质量的满意解.     

基于自适应SGD-多智能体的防空资源部署优化

针对分布式环境下的战场指挥资源部署存在的效率低、速度慢、无法达到预期战略、数据集过大导致计算资源损耗过大等问题,提出了一种分布式环境下多智能体联盟的指挥控制资源部署优化算法。通过对深度学习中的梯度下降算法进行学习率的改进,将原本设定的学习率改为自适应的学习率,进而对指挥控制资源部署进行多智能体联盟的设计。仿真证明了该算法对此问题具有优越的适应性,可以高效地解决分布式环境下的多智能体联盟的指挥控制资源部署优化问题。     

面向生产计划调整的资源参数反演逆优化方法

原生产计划是满足预测产品种类及数量需求的成本最小化的生产计划。然而，实际需求常常与预测不符，当获取实际需求数据后，需要对原生产计划进行动态调整。基于此，以逆优化为方法论，将面向生产计划调整的资源重配置问题，转化为一个已知实践最优生产计划，反向求解让该实践方案成为在调整后的参数下的原生产计划模型最优解的反演问题。该反演问题是以市场需求变动为动因，以不同生产线上不同类型产品的生产时间为调整参数，通过对该参数最小化调整的同时达到市场实际需求。首先从资源种类变动项目和每项资源变动数量两个维度刻画调整成本，同时引入 范数正则化方法降低资源变动项数，降低资源变动成本；其次，通过采用全局设备效率OEE测量作业环节生产效率，使得生产资源配置过程更具有全局性与系统性；最后，鉴于本逆优化模型是非凸非线性问题，为了提高求解效率，提出“松弛约束-中位数约束-紧松弛约束”三阶段方法确定生产线生产能力约束，该方法能够在增强最优解准确性的同时提高求解效率。将逆优化引入由果索因、变动需求驱动的生产资源最小化调整问题，有助于促进供需匹配，稳定生产，降低企业生产调整成本。     

基于MEC的任务卸载和资源分配联合优化方案

面对时延敏感度不同的多种用户,如何有效利用频谱资源和计算资源受限的边缘节点来保障其时延能耗需求成为关键问题。为此,提出了基于移动边缘计算(mobile edge computing, MEC)的任务卸载和资源分配联合优化方案。首先,为最小化卸载任务在MEC的总计算时间,给每个用户分配最优的MEC计算资源。其次,基于时延敏感度、用户满意度和资源块(resource block, RB)质量,引入RB分配算法,以分布式执行。最后,用户通过比较本地计算开销和卸载计算开销做出卸载决策。仿真结果表明，所提算法在满足高时延敏感用户的需求前提下,通过有效地分配传输资源和计算资源,实现了最小的系统开销。     

柔性资源约束下的项目调度问题双目标优化

资源短缺通常为项目延期的重要原因之一,项目管理者往往会考虑增大资源可用量来缩短项目工期,但增加资源量会导致项目成本的上升,因此,需要进行项目工期和成本的权衡.考虑资源可用量可变,用区间变量来表示,以项目工期和成本为优化目标,建立资源可用量可变约束下的多模式项目调度问题的双目标优化模型;提出一种基于非支配排序遗传算法的双目标混合遗传算法来获取问题的帕累托最优解,在算法中设计资源可用量上界的预处理方法和可行解的成本改进过程:求解示例和随机生成的算例集,分析算法的收敛性和解的多样性,验证模型与算法的有效性.最后,开展建筑项目应用研究,通过对求解结果的分析,说明求解帕累托解集的必要性,为项目管理者确定项目调度方案提供决策依据.