本文關鍵詞：基于多目標遺傳算法的項目調度及其仿真研究，由筆耕文化傳播整理發(fā)布。

【摘要】：項目管理至少可以追溯到4500年以前埃及金字塔以及1800年以前南美瑪雅墓的建成，它們依靠的是最簡單最原始的工具。后來慢慢發(fā)展到始于美國杜邦公司的CPM技術、始于美國海軍開發(fā)“北極星導彈計劃”的PERT技術。時至今日，大量關于項目管理的研究如雨后春筍般涌現：從原理、算法到系統（包括相關的軟件），從簡單到復雜，以充分幫助管理人員對各種項目進行計劃、安排、監(jiān)督和控制。 項目調度問題，是項目管理的一個重要研究領域，自20世紀60年代被提出之后，就引起了各行各界專家和學者們的廣泛關注。隨著現代化技術廣泛應用于生產，具有較高自動化水平的生產系統，在使生產過程更加合理、高效運行的同時，也使得項目調度問題變得更加困難，其復雜性往往超出人腦的決策能力。 大多數項目調度問題是一類組合優(yōu)化問題，計算復雜性理論已經證明大多數組合優(yōu)化問題是NP-hard問題。傳統的運籌學求解方法往往無法在多項式時間范圍內尋求到這些NP-hard問題的最優(yōu)解，隨之人們開始嘗試在多項式時間范圍內求解的近似算法即啟發(fā)式方法。 目前對復雜的項目調度問題的求解算法主要集中在對元啟發(fā)式方法即智能優(yōu)化方法的研究。智能優(yōu)化算法是模擬某一自然現象或過程而建立起來的具有高度并行、自組織、自學習與自適應特征的適于復雜的高度非線性問題求解的算法。這類算法包括模擬煺火、禁忌搜索、粒子群算法、蟻群算法和進化計算等等。 理論和算法是為應用服務的，，建筑行業(yè)，作為項目管理應用的主要應用行業(yè)之一，也針對項目管理提出更多更高的要求。為了幫助建筑行業(yè)的施工單位更好的控制施工過程，增強項目的可預見性，避免不必要的損失，虛擬施工技術因此而產生。 鑒于以上的考慮，本文以多模式資源約束的項目調度及其應用研究為對象，以多目標遺傳算法為手段展開研究。目前主要存在如下的問題： （1）盡管智能優(yōu)化算法能同時處理一組解，以及很好的逼近非凸或不連續(xù)的最優(yōu)前端面，然而對設計的參數進行動態(tài)調整和自適應改變依然是值得探討的方向。 （2）多目標遺傳算法的求解質量和求解效率還有待于提高�；赑areto的多目標遺傳算法在每一次迭代時都要構造Pareto最優(yōu)解集，有必要尋找構造Pareto最優(yōu)解集的最少時間復雜度。 （3）項目時間成本質量歷來是項目管理的三大控制點，決定著項目的成敗。然而更多的研究卻集中在時間費用的優(yōu)化，而缺少對質量因素的考慮�；蛘呒词箍紤]了質量，而往往限定其中的一個或兩個因素作為常量來考慮。因此建立合理的項目時間成本質量的多目標優(yōu)化模型并加以解決是當務之急。 （4）在實際的項目調度過程中更多的存在著不確定性因素，這些不確定因素使得項目調度在本質上成為一個動態(tài)的過程。對不確定性因素的研究更加貼近實際，如何針對考慮不確定性因素的問題建立隨機或者模糊網絡模型并采用合適的機制去解決也是我們亟待思考的問題。 因此，本文結合這些問題，具體做了如下方面的研究工作： （1）在探討組合優(yōu)化問題、計算復雜性等相關原理的基礎上，總結和比較了各種優(yōu)化算法的優(yōu)缺點，指出元啟發(fā)式方法即智能優(yōu)化算法是目前研究的趨勢。在與實際應用相關的難解組合優(yōu)化問題方面，智能優(yōu)化方法使得在合理的時間范圍內明顯提高了找到高質量解的能力，尤其對于大型的或了解甚少的問題而言，智能優(yōu)化算法的作用更加顯著。 （2）結合組合優(yōu)化理論，介紹了資源約束的項目調度的一般模型、規(guī)范分類以及基于不同求解方法的已有文獻，指明多模式資源約束的項目調度是可行的研究方向。 （3）研究了多目標遺傳算法及其基本概念：非支配集構造、種群保留機制以及遺傳操作等等。對多目標遺傳算法作了合理的改進，對分布系數采用多項式逼近獲得交叉系數的概率分布，找出了交叉系數合適的改進方案，同時證明了種群大小的下限。 （4）分別以時間、成本和質量進行建模分析，指出了各個因素之間的相互關系及其研究思路，同時形成時間-成本-質量的多目標權衡數學模型。并用多目標遺傳算法加以求解及其仿真實現，最后比較了不同方法的優(yōu)劣，從收斂性和分布性方面證明了改進的方法的有效性。同時給出了基于不同偏好的建筑項目調度問題的決策者決策過程。 （5）對項目調度中涉及到的隨機變量的分布、數字特征進行分析，指出了PERT網絡分析法往往低估了項目完成時間，給項目的完成帶來不必要的損失。研究了隨機多目標決策問題的數學模型及其等價問題的處理，提出了隨機條件下多目標多模式資源約束的項目調度建模、算法分析，并給出了仿真結果。 （6）基于虛擬建筑機理的分析，對虛擬原型（CVP）系統涉及的集成平臺、開發(fā)環(huán)境、設計步驟等方面進行研究，說明項目調度及其優(yōu)化理論在虛擬建筑中的應用，并以一個實例進行應用分析。 論文的主要創(chuàng)新點： （1）修正了NSGA-Ⅱ算法中原有的固定交叉系數，使得該交叉系數能夠動態(tài)調整和自適應改變，并給出算法中種群大小的下限值并加以證明。 （2）將多目標遺傳算法應用到考慮時間成本質量權衡問題的多目標多模式資源約束的項目調度問題中，給出了優(yōu)化機制分析，并從收斂性和分布性方面證明方法的有效性。 （3）基于活動時間的隨機變化引起活動成本和質量的動態(tài)改變，結合機會約束規(guī)劃設計了概率轉換機制和隨機數模擬，以提高多目標遺傳算法求解多目標多模式資源約束的隨機項目調度問題的能力。 總體來說，就算法而言，本文以多目標遺傳算法的NSGA-Ⅱ算法為著眼點，提出了兩種修改策略，并通過實驗證明了算法的有效性，充實了多目標優(yōu)化算法理論。就項目調度而言，對項目的績效評估綜合考慮了質量因素，豐富了常規(guī)的時間費用分析理論；對項目調度的研究考慮了隨機因素，彌補了不確定性網絡分析理論。
【關鍵詞】：項目調度 多目標 遺傳算法 隨機網絡 機會約束編程 虛擬建筑
【學位授予單位】：上海交通大學
【學位級別】：博士
【學位授予年份】：2010
【分類號】：C93;F224
【目錄】：

• 摘要5-8
• Abstract8-13
• 目錄13-16
• 圖目錄16-19
• 表目錄19-20
• 第一章 緒論20-27
• 1.1 研究背景及其意義20-23
• 1.1.1 研究背景20-22
• 1.1.2 研究意義22-23
• 1.2 研究內容和文章結構23-25
• 1.3 主要創(chuàng)新點25-27
• 第二章 資源約束的項目調度問題的算法基礎27-45
• 2.1 組合優(yōu)化問題27-28
• 2.2 計算復雜性28-31
• 2.3 啟發(fā)式方法31-43
• 2.3.1 模擬煺火32-35
• 2.3.2 禁忌搜索35-37
• 2.3.3 蟻群算法37-39
• 2.3.4 進化計算39-43
• 2.4 其它43-45
• 第三章 資源約束的項目調度相關問題綜述45-60
• 3.1 資源約束的項目調度問題描述45-48
• 3.2 資源約束的項目調度問題分類48-50
• 3.3 資源約束的項目調度相關文獻50-59
• 3.3.1 基于確定性方法的資源約束的項目調度51-55
• 3.3.2 基于啟發(fā)式算法的資源約束的項目調度55-59
• 3.4 本章小結59-60
• 第四章 多目標遺傳算法研究60-77
• 4.1 多目標優(yōu)化問題60-61
• 4.2 多目標遺傳算法61-68
• 4.2.1 非支配集構造62-64
• 4.2.2 種群保留機制64-66
• 4.2.3 遺傳操作66-67
• 4.2.4 NSGA-Ⅱ算法67-68
• 4.3 NSGA-Ⅱ算法的更新68-76
• 4.3.1 交叉系數的自適應改變68-73
• 4.3.2 種群規(guī)模的自適應改變73-76
• 4.4 本章小結76-77
• 第五章 多目標多模式資源約束的項目調度問題研究77-98
• 5.1 現有文獻的不足77-78
• 5.2 多目標多模式資源約束的項目調度建模分析78-84
• 5.2.1 項目工期優(yōu)化78-80
• 5.2.2 項目成本優(yōu)化80-82
• 5.2.3 項目質量優(yōu)化82-83
• 5.2.4 多目標優(yōu)化模型的建立83-84
• 5.3 實例分析一84-92
• 5.3.1 算法設計與仿真結果85-89
• 5.3.2 算法的性能分析89-92
• 5.4 實例分析二92-97
• 5.5 本章小結97-98
• 第六章 多模式資源約束的隨機項目調度問題研究98-119
• 6.1 隨機活動持續(xù)時間98-105
• 6.1.1 β分布的廣義性98-101
• 6.1.2 PRET網絡分析法機理101-102
• 6.1.3 PRET網絡分析法缺陷102-104
• 6.1.4 其它分布的隨機活動時間104-105
• 6.2 隨機變量的生成105-107
• 6.3 多模式資源約束的隨機項目調度問題107-118
• 6.3.1 一般意義下的隨機多目標模型分析107-108
• 6.3.2 現有文獻的不足108-109
• 6.3.3 多模式資源約束的隨機多目標項目調度數學模型109-111
• 6.3.4 實例分析111-118
• 6.4 本章小結118-119
• 第七章 項目調度-虛擬原型系統設計119-130
• 7.1 虛擬施工簡介119-120
• 7.2 CVP系統設計120-126
• 7.2.1 集成平臺120-121
• 7.2.2 開發(fā)環(huán)境121-122
• 7.2.3 設計步驟122-126
• 7.3 應用實例126-128
• 7.4 本章小結128-130
• 第八章 總結與展望130-133
• 8.1 論文的主要工作和結論130-131
• 8.2 存在的問題和進一步研究的展望131-133
• 參考文獻133-150
• 附錄一150-153
• 附錄二153-154
• 附錄三154-156
• 附錄四156-158
• 附錄五158-166
• 附錄六166-168
• 博士期間發(fā)表論文和科研情況168-171
• 致謝171-172

【引證文獻】

中國期刊全文數據庫 前1條

1 鄒汪平;;遺傳算法在計算機加密解密技術中的應用[J];池州學院學報;2013年06期

  本文關鍵詞：基于多目標遺傳算法的項目調度及其仿真研究，由筆耕文化傳播整理發(fā)布。

本文編號：484791