论文部分内容阅读
随着经济全球化的发展,世界市场的竞争变得越来越激烈,对企业项目管理的要求也越来越高。在资源受限的情况下,如何进行合理的进度安排是企业成功应对激烈市场竞争的重要挑战之一。资源受限下项目进度问题(Resources Constrained Project Scheduling Problem, RCPSP)也由此成为广大学者的研究热点。企业所处的环境已从传统的相对稳定型演变成动态多变型,普遍面临的是一种快速的、持续变化的动态环境。然而,国内学者对RCPSP的研究大都基于工期固定、任务不可拆分等假设之上,对基于工期不固定、任务可拆分特点的RCPSP研究得很少。因此,本文基于活动工期不确定、任务可拆分的项目特征开展对RCPSP的研究,以期能在一定程度上用于指导实际。首先,在对RCPSP项目特征进行界定以及对项目进度优化模型回顾的基础之上,构建了基于活动工期不固定、任务可拆分特征的RCPSP的数学模型;为了求解上述模型,本文详细阐述粒子群优化算法(Particle Swarm Optimization,PSO)的基本原理以及当前对其改进的研究成果,提出了一种新的改进PSO算法,并对其在RCPSP的应用过程进行了设计;最后,为了检验模型的有效性及算法的优越性,基于梯队内部开发的案例生成器生成的108个算例,进行了仿真试验。实验结果证明了本文模型的有效性及算法的优越性。本文的研究成果,不仅拓展了RCPSP的研究领域,而且也为解决实际企业如何在动态环境下制定合理的进度计划问题提供了一定的指导借鉴意义。同时将在连续优化问题中得到成功应用的PSO算法用于离散域的RCPSP,既拓展了PSO算法的应用领域,也为RCPSP的求解提供了一种新的思路和方法。