摘要：针对带有广义优先关系的项目资源均衡问题,设计了一个改进的蝙蝠算法.改进了蝙蝠位置和种群的更新机制,提出了新的进度计划编码,解码和局部改进方法.利用正交试验设计探讨了算法参数设置.基于公开的基准数据集,通过大规模计算实验验证了所提算法的有效性.对于活动数量不超过50个的中小规模项目,所提算法可在1 s内求得接近于最优解的满意解;对于活动数量多达1 000个的大规模项目,求得满意解的时间不超过5 min;当项目截止日期较长时,所提算法优于目前最好的元启发算法.

摘要：针对资源受限项目调度问题,以最小化项目完成时间为目标,设计基于深度学习的调度优先规则实时动态选择算法,在每个调度阶段实时选择优先规则进行活动安排.通过构建深度神经网络模型,确定已调度项目在各阶段的项目状态与最佳优先规则之间的映射关系,再据此为待调度项目实时动态选择优先规则,结合串行调度机制生成最终调度计划.实验研究表明:实时动态选择优先规则算法表现优于文中所涉及的单一优先规则算法及混合优先规则算法,且具有更好的泛化性;此外,与元启发式算法相比该算法具有更高的求解效率.

摘要：以某钢铁企业产成品发货系统中装船调度问题为背景 ,建立了产成品装船调度问题多目标资源受限工程调度的数学模型 ,结合遗传算法和模拟退火的特点 ,设计了求解该问题的多目标智能优化算法 ,对算法输出的近似非劣解集提出了评价方法 ,将此模型和算法应用于某钢铁企业的实际装船调度中 ,结果表明 ,实际调度计划或者是非劣解集中的一个解 ,或者在非劣解集中存在某一计划优于实际调度计划·

摘要：研发类项目的活动工期通常是模糊不确定的,且不同的资源投入对应不同的工期,基于此背景对带有模糊工期的多模式项目调度问题进行建模。模型以进度计划鲁棒性最大化为优化目标,考虑时序约束和可更新资源约束。针对问题的NP-hard属性和模型特点设计遗传算法求解,用不同活动规模的标准算例进行计算实验,并用一个实际案例进一步验证说明。案例计算结果优于实际情况,与单模式相比,活动具有多种执行模式时所求满意解的鲁棒值更高。对项目关键参数的分析表明,增加瓶颈资源可用量能够提高项目进度计划鲁棒值。研究成果为项目管理者在不确定环境下制定进度计划提供参考。

摘要：针对地铁运营施工资源有限、时间严格、任务繁重等特点,本文以地铁运营施工任务调度为研究对象,建立运营施工调度优化模型与算法。模型以任务优先级、施工人员和施工工区限制等为约束条件,以完工时间最小化、施工人员工作负荷均衡化为目标;设计一种联合线性规划与资源交叉(CPLEX-ROC)的混合求解算法;通过对某实际地铁运营线路展开案例研究,验证模型和算法的可行性与先进性。案例研究结果表明:相较于人工调度、遗传算法(GA)、教学优化算法(TLBO)方法,最大完工时间分别降低32.90%、15.11%和10.75%;施工人员工作负荷均衡指标相较GA、TLBO分别优化了15.44%和10.62%。计算结果验证了本模型能够提升地铁运营施工任务整体作业效率,同时实现施工人员工作负荷均衡。

摘要：为实现船舶建造生产计划的分层、分级编制、落实与执行,提出以里程碑计划为纲、以分段吊装计划为核心的船舶建造分层生产计划体系,并用四维计划体系描述方法刻画计划之间的层次关系、任务分解关系和产品在各计划间的输入/输出关系。该计划体系综合考虑壳舾涂一体化,分别从多项目、单项目角度考虑设计与生产的协同,充分重视空间场地资源和劳动力资源的利用。它完整覆盖了造船各生产环节、生产方式、资源组织以及各管理决策层次,体现了船舶建造生产组织与管理模式特点。

摘要：建立了并行多项目在资源约束条件下计划优化问题的数学模型,并提出一种改进型混合粒子群算法对多项目实施并行调度来解决网络计划的优化问题。最后,对某型飞机的2个并行装配计划进行了实例计算,验证了方法的有效性。

摘要：[目的]针对船舶维修牵连工程复杂、空间干涉多、任务工时不确定等特性,提出一种解决随机工时下船舶维修工期优化的模型和算法。[方法]基于情景理念设计维修工程的期望工期指标,构建该问题的数学模型;基于并行调度模式解码,提出一种改进萤火虫算法求解该模型;采用工程案例测试集和某船舶坞内维修工程实例,验证所提模型和算法的性能。[结果]某船舶坞内维修工程实例优化结果表明,其工期估值为89.6 d,置信度95.6%,与原方法工期相比减少13.4 d,可缩短13.1%的工期。[结论]改进的萤火虫算法可有效优化船舶维修工程的工期,为不确定条件下的船舶维修进度计划制定提供依据。

摘要：非标自动化设备项目初期的设计环节在整个项目管理过程中占据重要地位,对其设计时间的精准预测是有效实施项目调度的基础。基于非标设备设计和制造特点,选择客户协同程度、造型难度、设计相似程度、订单规模和团队参与程度5个因素,探究其对设计时间的影响。考虑非标产品样本数量较少的特点,提出一种遗传算法与向量机回归(GA-SVR)混合方法,即在向量机回归模型(SVR)预测方法的基础上,结合十倍交叉验证与遗传算法对预测模型进行参数寻优。最后,选择高斯过程回归(GPR)方法进行对比,从预测精度和稳定性两个方面验证了GA-SVR混合方法的有效性。

摘要：针对船舶维修工程存在的维修项目交叉耦合作业、维修流程复杂、资源需求量大等特点,将船舶维修调度问题归纳为在合理规划维修任务序列和多资源分配的前提下,实现维修工期最佳的多资源受限项目调度问题。为了充分剖析问题特征,首先,以维修工期为目标,以维修任务序列和资源分配为决策变量,建立多资源下船舶维修调度混合整数规划模型;其次,提出一种改进变邻域搜索算法的多资源船舶维修项目工期优化框架;最后,以50组标杆案例验证该方法的优越性,并与遗传算法、粒子群算法进行对比分析。实验结果表明,改进的变邻域搜索算法具有显著优越性,可为船舶维修计划制订提供参考。