基于遗传算法的项目管理优化仿真研究-西南民族大学学报自然科学版.PDF

西南民族大学学报·自然科学版 第40 卷第3 期 May 2014 Journal of Southwest University for NationalitiesNatural Science Edition doi: 10.3969/j.issn.1003-4271.2014.03.27 基于遗传算法的项目管理优化仿真研究 曾彪, 刘欣 (上海交通大学安泰经济及管理学院, 上海 200030) 摘 要: 传统的项目进度一维优化扩展至有偏好的二维目标（进度、成本）优化, 同时将成本优化目标分解为项目成本 大小以及资源均衡度从而构成三维目标优化, 将无资源约束的环境扩展至资源约束下的复杂环境, 将局部搜索优化领 域扩展至全局范围内的优化. 在内容上, 先对项目的单目标优化管理理论进行详尽研究并指出其现实的局限性, 同时提 出了智能启化式方法-遗传算法在资源约束下项目管理优化方面的优势. 在此基础上本文构建了基于三维目标偏好的项 目管理优化仿真模型, 解决了项目管理优化理论中最为重要的两大问题：资源约束下的项目进度优化以及资源约束下的 三维目标（项目进度、项目成本以及资源均衡度）的优化问题. 为了验证此模型对以上问题的有效性, 本文应用Matlab 仿真技术进行仿真模拟并与传统方法做比较, 从结果可以看出遗传算法能够更好的解决此类问题. 关键词：项目管理; 三维目标优化; 遗传算法; 三维偏好 中图分类号: TU712 文献标识码:A 文章编号: 1003-4271(2014)03-0474-04 1 引言 随着经济全球化的发展, 各个行业的竞争环境已经从相对稳定型转变成了动态多变型. 新技术的发展以及 动态的资源供给要求组织在项目范畴内逐渐实行矩阵式管理以做到快速决策, 利用有限的资源谋得最优绩效. 但是现有项目管理优化理论更多地是将项目假定在没有任何约束或是较为宽泛的约束下进行, 项目管理优化的 目标也往往集中在项目的进度方面. 即便增加了项目成本因素也仅涉及成本的大小, 而没有考虑该项目不同时 段对资源需求量的变化对整个组织绩效的影响. 同时不同行业, 不同组织以及不同项目对项目管理优化目标也 存在不同的偏好, 这也增加了优化函数以及优化方法的复杂性, 从而也对传统的项目管理优化理论提出挑战. 如表1 所示, 目前项目管理优化方法可以分为四大类别：软逻辑优化, 精确算法, 启发式算法以及在此基础 上形成的智能启发式算法. 应用性较为普遍的智能启发式算法包括模拟退火算法以及逐渐成为研究热点的遗传 算法以及混合算法等. 表1 项目管理优化方法综述 Table 1 Project schedule optimizing method review 分类 优化方法 作者 简介 Wiest(1963), Huber(1974), Patterson[1] 使用 0-1 变量作为判别标准来说明项目运行过程 0-1 规划法 与 Roth(1976) 中各个工序是否结束、已开始还是未开始 精确 提出了基于推迟选择方案的分枝定界法. 针对资 算法 基于隐含枚举 Christofides (1987), Mingzzi （1998）, [2] 源约束