一种资源均衡优化的混合遗传算法.docVIP

资源均衡优化的混合遗传算法 徐 哲，贾子君，李 科 北京航空航天大学经济管理学院，北京市，100083 lovemiaozi@ 摘要：“工期固定—资源均衡”优化是指在工期一定的条件下，合理调整网络计划的某些工序，以实现资源均衡利用的一种管理方法。本文基于资源均衡优化方法中常用的遗传算法和最小矩法，提出了一种混合遗传算法。该算法首先使用遗传算法得到一个较好的初始点，然后采用最小矩法进行局部优化，克服了遗传算法局部寻优能力不足的缺陷，增强了算法的优化效果。最后通过算例分析验证了该混合算法的可行性和有效性，因而是一种较好的优化算法。 关键词：资源均衡优化，最小矩法，遗传算法，混合遗传算法 1 引言 资源作为项目实施的基本要素和必不可少的条件，是影响项目进度计划的主要因素。资源计划的失误往往会造成项目进度和投资目标失控，不仅浪费人力、物力和财力，而且造成施工组织管理混乱。资源均衡优化是对项目资源管理的重要组成部分。一般来说资源均衡优化是指在固定工期限定下，合理安排工程的进度，使资源在整个工程周期内的需要量比较均衡，以减少资源使用的冲突与呆滞，提高资源的利用率[1]。资源均衡优化的核心思想是通过改变对资源的需求使之符合资源的供给。对于大型项目来说，资源分布的不均衡会导致如下问题：① 为了满足不断变化的资源需求量，必须在短期内频繁的雇佣与解雇劳动工人；② 降低了资源的利用率。尤其当资源供给有限的时候，又可能发生资源的争抢现象，直接导致某些活动窝工甚至停工，影响项目的进度。采用资源均衡优化方法进行管理，可以协助项目经理有效控制风险，提高资源的使用效率。 资源均衡优化方法可以分为解析法与启发式方法两大类。解析法是寻求理论上的最优解，有动态规划的时点分解法、策略空间迭代法等，但解析法不适用于大型网络计划，尤其是活动和资源约束比较复杂的网络计划[2]；启发式方法则以求得满意解为优化的目标，Burgess平衡过程、Wiest平衡过程、最小矩法、遗传算法等方法为其代表。目前解析法需要的运算量大，对于大型项目存在运算效率低的问题，难以在实践中普及推广；而启发式方法一般能够比较快地获得有效的结果，但不一定是最优的，而且对于具有不确定性的情形，该方法很难获得满意的使用效果[3]。本文通过将遗传算法与局部寻优能力较好的最小矩法进行混合，增强了遗传算法的局部搜索能力，并结合网络图进行了算例分析，取得了较好的优化效果。 2 启发式资源均衡优化方法简介 启发式方法的着眼点并不在于得到数学含义上的最优解，而是在一定范围内的满意解。因为资源均衡问题是一个逐渐趋于平缓的优化过程，在最优解附近存在一个相当大的区间，其目标值与最优解之间比较接近。对于工程管理问题，只要在这个区间附近选定方案，其接近最优解的程度已足够精确。到目前为止，已经有大量关于求解资源均衡问题启发式方法的研究出现。 （1）Burgess平衡过程。为了衡量资源的平衡程度，Burgess提出将工程周期内逐日资源需要量的平方和作为平衡性指标，即 (1) 式中，为活动持续时间内各天的资源需求量。当资源需要量随工程进度有很大变化时，的值必定急剧增大；而当资源分布趋于平衡时，指标将逐步降低至最小值。Burgess平衡过程就是在时差范围内，调整非关键活动的进度，从而使资源平衡性指标达到最小值的过程[4]。 （2）Wiest平衡过程。Wiest提出，可以设置一个可以设置一个资源的触发水平，其数值比资源的峰值少一个单位，然后对靠近峰值的非关键活动进行调整，使峰值降低到触发水平。这时再重新设置新的，使之比新峰值低一个单位。持续此调整过程，直到调整活动的进度不能使资源需要量的峰值低于触发水平，或所产生新的资源需要量峰值等于触发水平时，平衡过程结束[4]。 （3）最小矩法（Minimum Moment，MMHarris于1978年提出的最小矩法，是求解“工期固定—资源均衡”问题最常使用的方法[5]。Harris采用工程项目资源需求量的矩作为资源均衡优化的目标函数，其中表示第i个时间段的资源需求量。Harris定义调整指标（Improver Factor，IF） (2) 式中，是因为调整活动而导致的所有资源需求量会被减少的时间段的资源需求量之和；是因为调整活动而导致的所有资源需求量会被增加的时间段的资源需求量之和；m为活动调整时间与活动持续时间中的较小值；R是待调整活动的资源需求量。如果IF的值大于或等于0，则说明调整过后的网络更为均衡，活动应该被调整，否则不进行任何调整[6]。 （4）遗传算法（Genetic Algorithms，GA[7]。在遗传算法里，每一个单独的串代表了一套决策方案并且每个串由适应函数来评价。拥有更好的适应性的串具有较高的生存可能性。然后，遗传信息在单独的串之间通过交叉和突变进行交流。