基于猴群算法的加气站项目进度研究.docVIP

基于猴群算法的加气站项目进度研究 　　摘要:将项目全寿命周期中影响现金流的建设阶段和运营阶段结合起来研究加气站项目进度问题,构建了项目进度问题的模糊相关机会规划模型。针对这个模型设计了基于猴群算法的模糊模拟求解方法,并对某加气站项目进度进行了数值模拟。结果表明,与仅考虑项目建设期现金流时的进度相比,全寿命周期现金流优化下的项目进度加快,项目完成量增加,且净现值有所提高。 　　Abstract: With a combination of construction and operation stages in project life cycle, gas filling station project schedule was studied, and a fuzzy dependent-chance programming model was established. A monkey algorithm based simulation method to the model was designed, and used to a filling station project schedule numerical simulation. The results show that, compared with the Max-npv model which considered the construction stage only, the life-cycle Max-npv model can speed up the project progress, increase the amount of work done, and improve the npv. 　　关键词:全寿命周期;现金流;加气站;项目进度;猴群算法 　　Key words: life cycle;cash flow;gas station;project schedule;monkey algorithm 　　中图分类号:C935;TP18文献标识码:A文章编号:1006-4311(2010)08-0090-03 　　 　　0引言 　　现金流优化的项目进度问题(Project Scheduling Problem with Discounted Cash Flows,PSPDCF)是研究如何安排项目进度能使项目净现值(npv)最大化。项目进度问题自从1970 年由Russell 提出以来,吸引了众多学者的关注。其研究领域由无资源和资金约束的支付进度计划问题逐步转向带有资源约束下的现金流优化问题。Fang和Chyu[1]研究了具有资源约束的离散时间-费用平衡下的项目进度问题,并用群体学习算法进行了模拟。汪嘉,孙永广和吴宗鑫[2]对时间和费用都具有不确定性项目的进度计划的风险性进行了研究, 提出了以净现值的期望值为优化目标的数学模型DSPSP,并用模拟退火过程进行了模拟,优化结果DSPSP模型明显优于非常保守和非常乐观的两种极端策略。 　　然而,现有研究只是从投资费用最小的角度出发针对项目建设阶段的进度优化,实际上在加气站项目全寿命周期过程中,项目建设期和运营期并没有严格的界线,项目建设期和运营期都会对现金流产生影响。由于加气站项目的建设期较长,耗资量大,企业在项目建设初期往往没有足够的资金对项目中的所有活动同时开工,只能先投资建设一部分加气站,在这部分任务完工并运营一段时间后,用所得利润再继续投资建设新的加气站,项目的现金流受到运营期收益的影响,如果忽略掉这部分收益,将项目建设期和运营期分开,所得到的项目进度很可能不是最优。 　　本文从全寿命周期现金流角度出发研究加气站项目进度问题,同时考虑了银行贷款与还款,并将项目收益与成本及贴现率和贷款利率模糊化处理,使进度优化模型更具有实际的应用背景。最后,针对所建立的模糊规划设计了基于猴群算法的模糊模拟方法并对某加气站项目进行了模拟。 　　1定义和定理 　　定义1(Liu和Liu[3])假设θ是非空集合,p(θ)是θ的幂集。如果Pos满足以下三条公理,则称之为可能性测度。 　　公理1:Pos{θ}=1; 　　公理2:Pos{Φ}=0; 　　公理3:对于(θ)中的任意集族{Ai},有Pos{A}=Pos{A}。 　　假设θ是非空集合,P(θ)是θ的幂集。如果Pos是可能性测度,则三元组(θ,P(θ),Pos)称为可能性空间。 　　定义2(Liu和Liu[3])设ξ1,ξ2,…,ξm为模糊变量,若对R中的任意子集B1,B2,…,Bm,均有: 　　Pos{ξ∈B,i=1,2,…,m}=Pos{ξ∈B}, 　　则称ξ1,ξ2,…,ξm为相互独立的模糊变量。 　　定义3(