多模式项目支付进度安排的优化模型及求解

研究了活动具有多种执行模式的项目支付进度安排问题,目的是寻求使项目收益最大化的支付进度包括支付事件,支付量以及与之相联系的活动执行模式和事件实现时间的安排.在对所研究问题进行界定的基础上,分别从承包商和业主两个角度构建了问题的非线性混合整数规划优化模型,并设计了由满意支付事件集合搜索模块和满意事件进度搜索模块构成的双模块模拟退火启发式求解算法.借助一个算例对研究进行了说明,结果表明:业主和承包商对支付进度安排的偏好差异明显;承包商的收益随着支付次数和支付比例的增加而上升,而业主正好相反;双方的收益均与折现率呈显著的负相关关系.     

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.     

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。     

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.     

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.     

群体智能算法搜索策略的性质及对停滞现象的影响

群体智能算法模拟生物进化或动物群体协作的搜索机制, 其目标是快速有效地搜索复杂优化问题的解空间, 寻求全局最优解. 本文通过对群体智能算法的搜索机理进行分析, 根据在搜索过程中解集内部结构变化的性质定义了解集多样度, 并在此基础上研究了两种基本的搜索策略--多样化搜索和集中化搜索对解集进化过程中的停滞性的影响, 证明了集中化搜索不可避免地使解集中的候选解逐渐趋于单一, 是导致算法停滞收敛的主要原因; 而多样化搜索能从任何候选解出发搜索到整个编码空间中的任一个点, 即整个空间是多样化搜索的可达域, 但将使算法不收敛. 本文采用三类典型的群体智能算法: 遗传算法、蚁群算法和粒子群算法进行了实验, 验证了上述分析结论的正确性.     

具有奖励惩罚结构的项目支付进度问题研究:双重角度

首先明确了研究的假设条件并对具有奖励惩罚结构的项目支付进度问题进行了定义;随后分别从承包商和客户两个角度构建了该问题的基本数学模型并将其扩展为基于时间和基于费用的支付模型;研究了奖励惩罚结构对合同双方收益的影响及其评价问题;针对问题的特点,开发了一种双模块模拟退火启发式算法;最后,给出一个算例的计算分析.     

多元优化算法可达性分析

提出了一种多元化群智能优化算法-多元优化算法。多元优化算法充分利用了现代计算机多核处理器,大内存的特点,通过多元化的搜索个体(元)对优化问题解空间进行搜索,并对历史信息进行选择记忆。该算法因搜索群具有分工不同的多元化特点而得名。搜索元按照职责不同而分为全局元和局部元,全局元负责在整个搜索空间进行全局搜索并找到潜在解区域,局部元负责在各个潜在解区间进行局部搜索以期望找到该区域更好的解。本文从理论上证明了该算法的可达性。基于标准函数的对比实验也验证了该方法在可达性方面优于其他几个参与比较的算法。     

具有时间窗口约束的并行机床调度问题研究

具有时间窗口约束的并行机床调度问题可以被描述为在M台互不相同机器上安排加工N个工件。每个工件只能在一个给定机器子集中的一台机器上加工，且加工过程只能在给定的离散时间窗口内进行，并且工件的加工时间长度和时间窗口约束与加工机器有关。为了解决该问题，本文给出一种集成约束规划与禁忌搜索的搜索算法，其中约束规划系统被作为验证解的可行性和确定变量的值，而禁忌搜索过程被用来对解空间进行搜索。讨论禁忌搜索过程中的初始解产生、邻域结构、禁忌列表、解空间搜索等算法设计问题。最后给出算法在不同问题实例上的算法效率比较及分析。     

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.     

基于改进边际优化的离散变量优化设计算法

针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法。借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优。实例分析表明,所提算法能够快速准确地收敛到局部最优解,实现以尽可能少的目标函数测算得到问题的满意解或最优解,适合于求解高维离散变量优化问题和仿真优化问题。     

线性-二次双层规划的满意解与基于LP与NLP过程的算法

对线性-二次双层规划(简称LQP)模型提出求满意解的直接搜索方法.得到了基于LP与NLP过程来协调LQP上下层满意度与求满意解的算法.数值计算实例表明,算法得到的满意解较之传统最优解更有效.     

基于超网络的线上线下舆情演化模型研究

舆情交互存在于现实空间与虚拟空间,为具体研究两空间中舆情的演化,首先分析了舆情在不同空间中传播演化的特点及演化过程中相互间的联系.随后,结合改进的有界信任机制构建基于超网络的线上线下舆情演化模型,并针对该模型提出了包括模型初始化模块、信息传播与交互影响模块与双空间同步模块三部分的仿真系统框架.根据同步方向,提出"现实空间-虚拟空间"和"虚拟空间-现实空间"两种同步率,并通过对比仿真实验研究了同步率与空间速度比对舆情演化的影响.     

基于遗传-模拟退火算法的空间目标地基监视调度方法

空间目标监视是航天任务得以顺利开展的重要基础。针对空间目标地基监视中的大规模复杂调度问题,建立了包含多种约束条件和优化目标的调度问题数学模型。探讨了利用遗传算法对全局解的一部分进行局部优化以提高资源利用率的算法混合策略,构建了遗传-模拟退火算法,其中对模糊需求使用了启发式方法以构造可行解的局部,并采用窗口修剪法进行冲突处理。仿真结果表明,遗传-模拟退火算法与窗口修剪法结合能够在可接受的时间内求得满意的解,验证了模型和算法的有效性。     

基于有限理性路径决策的人员疏散双层模型

人员在疏散过程中难以获得关于疏散路径的全部信息，因此，确定疏散路径时仅能选取满意的而非最优的疏散路径.考虑疏散人员所能获知的疏散路径长度、拥挤程度和危险程度信息构建了人员疏散双层模型.该模型包括上层的人员路径选择模块和下层的人员空间移动模块，分别刻画了个体的有限理性路径选择行为和疏散运动过程.通过实例仿真，分析了出口宽度和有限理性参数对疏散人员路径选择和疏散时间的影响规律，结果可为建筑设计和疏散应急管理提供一定的依据.     

备件配置优化问题研究

首先对备件配置优化问题进行了概述,并研究了目前国内外备件配置优化问题现状,归纳了以备件需求量为中心的预测模型以及以缺货为中心的优化模型.把备件配置优化问题看作是一个组合优化问题,然后给出了传统边际效益分析方法解决问题的步骤,接着给出采用仿真优化方法解决问题的思路,即采用优化模块缩减策略空间并采用仿真模块评估策略的优劣.并给出一个应用实例对仿真优化方法进行验证.     

基于蚂蚁算法的工件排序优化

工件排序是NP-hard问题，以丰田公司的汽车组装工件排序函数为目标函数，将蚂蚁算法应用于该问题求解。得到了蚂蚁算法的最优参数并获得满意可行解。算例证明，此算法优于目标追随法、遗传算法、模拟退火算法等算法。     

块对角可控规范型多输入线性系统及极点配置

基于向量空间的模结构分解和矩阵的有理标准形给出了定常多输入线性系统一类新的块对角可控规范型,其中的系统矩阵相似与一个块对角矩阵,该块对角矩阵类似于矩阵的有理标准形,与现在有的可控规范型比较,更容易反映系统的结构特征,证明步骤给出了求解方法。作为一个应用,讨论了定常多输入线性系统的极点配置问题,得到了反馈增益矩阵的一般表达式,此表达式中含有任意参数,此方法将多输入线性系统极点配置问题转化为个数为系统矩阵循环指数的单输入系统的极点配置问题,进而推导出确定一个反馈增益矩阵的最少元素个数即为系统的阶数。     

一种短期电力负荷预测新方法的研究与应用

通过对电力负荷变化规律和影响因素的分析,提出了一种新的短期电力负荷预测模型。首先,鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点,采用蚁群算法中pij(t)改进模糊聚类分析;然后以每天的24点负荷数据、天气数据以及天类别数据为指标,将历史数据聚分成若干簇团,并采用动量BP神经网络针对每一簇团建立相应的预测模型。对山东地区1年的实际数据进行预测分析的结果表明,该模型不仅对普通工作日有较高的预测精度,对双休日、节假日和一些特殊情况(夏季典型日负荷)也有较好的预测精度。