基于改进遗传算法的资源限制建设工程多项目调度

doi:10.3969/j.issn.1006-2475.2016.08.001

计算机与现代化

• 人工智能 • 下一篇

基于改进遗传算法的资源限制建设工程多项目调度

(1.长安大学建筑工程学院，陕西西安 710061; 2.北京航空航天大学经济管理学院，北京 100191;
3.信阳师范学院土木工程学院，河南信阳 464000; 4.西北工业大学管理学院，陕西西安 710072)

收稿日期:2016-01-07 出版日期:2016-08-18 发布日期:2016-08-11
作者简介:白礼彪(1986-)，男(回族)，安徽合肥人，长安大学建筑工程学院讲师，北京航空航天大学经济管理学院博士后，研究方向：管理科学与工程，系统工程，技术经济与管理，项目管理。
基金资助:
国家自然科学基金资助项目(71172123); 陕西省软科学研究计划-重点项目(2015KRM039); 陕西省自然科学基础研究计划项目(2015JM7382); 中央高校基本科研业务费专项资金资助项目(310828160315, 310828161001)

Resource-constrained Multi-project Scheduling Problem Based on Improved Genetic Algorithm

(1. School of Civil Engineering, Chang’an University, Xi’an 710061, China;
2. School of Economics and Management, Beihang University, Beijing 100191, China;
3. College of Civil Engineering, Xinyang Normal University, Xinyang 464000, China;
4. School of Management, Northwestern Polytechnical University, Xi’an 710072, China)

Received:2016-01-07 Online:2016-08-18 Published:2016-08-11

摘要/Abstract

摘要： 随着建设工程企业规模的不断扩大，工程建设多项目管理成为企业发展的重要难题之一，对组织实现可持续发展有着重要的支撑作用。本文在资源限制单项目调度问题的基础上提出建设工程多项目调度问题，构建RCMPSP决策框架和数学模型，并在传统遗传算法的基础上对算法杂交和变异概率进行优化，设计针对该问题的改进遗传算法，通过案例对该算法的有效性进行验证，为建设工程企业进行RCMPSP问题决策提供依据。

关键词: 遗传算法, 资源限制, 多项目调度

Abstract: With the expansion of construction project enterprise's scale, multi-project management has become one of the important problems in the development of enterprises, which plays a very important role in achieving organization’s sustainable development. In this paper, the resource-constrained multi-project scheduling problem is analyzed on the basis of resource-constrained project scheduling problem firstly, then the framework and mathematical model for resource-constrained multi-project scheduling problem are proposed, and an improved genetic algorithm focusing on probability of crossover and mutation is designed, and the effectiveness and feasibility of the proposed genetic algorithm is validated by a case study, which provides a new way for the modern enterprise to make decisions for the resource-constrained multi-project scheduling problem.

Key words: genetic algorithm, resource-constrained, multi-project scheduling

中图分类号:

TP301.6

白礼彪1,2，刘锦涛3，陈志4. 基于改进遗传算法的资源限制建设工程多项目调度[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2016.08.001.

BAI Li-biao1,2, LIU Jin-tao3, CHEN Zhi4. Resource-constrained Multi-project Scheduling Problem Based on Improved Genetic Algorithm[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2016.08.001.

参考文献

[1] Blazewicz J, Lenstra J K, Kan A H G R. Scheduling subject to resource constraints: Classification and complexity[J]. Discrete Applied Mathematics, 1983,5(1):11-24.

[2] 郭云涛,陈志,白思俊. 求解资源受限项目调度问题的人工鱼群算法[J]. 运筹与管理, 2014,23(5):86-92.

[3] Kazemipoor H, Tavakkoli-Moghaddam R, Shahnazari-Shahrezaei P, et al. A differential evolution algorithm to solve multi-skilled project portfolio scheduling problems[J]. The International Journal of Advanced Manufacturing Technology, 2013,64(5-8):1099-1111.

[4] 郭云涛,宋红艳,白思俊. 粒子群算法在具有迭代关系资源受限项目调度中的应用[J]. 工业工程, 2013,16(5):74-78.

[5] Carazo A F, Gómez T, Molina J, et al. Solving a comprehensive model for multiobjective project portfolio selection[J]. Computers & Operations Research, 2010,37(4):630-639.

[6] Tseng Ching-chih, Liu Bei-sheng. Hybrid Taguchi-genetic algorithm for selecting and scheduling a balanced project portfolio[J]. Journal of Science and Engineering Technology, 2011,7(1):11-18.

[7] Kremmel T, Kubalík J, Biffl S. Software project portfolio optimization with advanced multiobjective evolutionary algorithms[J]. Applied Soft Computing, 2011,11(1):1416-1426.

[8] Bai Li-biao, Song Hong-yan, Bai Si-jun, et al. Resource-constrained project scheduling with overlapping activities based on extended dependency structure matrix[J]. International Journal of Plant Engineering and Management, 2013,18(4):204-211.

[9] 彭武良,王成恩. 关键链项目调度模型及遗传算法求解[J]. 系统工程学报, 2010,25(1):123-131.

[10] 郭庆军,李慧民,赛云秀. 多项目关键链进度优化算法分析[J]. 工业工程与管理, 2008,13(6):41-45.

[11] 刘晓峰,陈通,张连营. 基于微粒群算法的工程项目质量、费用和工期综合优化[J]. 土木工程学报, 2006,39(10):122-126.

[12] 王军强,张松飞,陈剑,等. 一种求解资源受限多项目调度问题的分解算法[J]. 计算机集成制造系统, 2013,19(1):83-96.

[13] 白礼彪,白思俊,郭云涛. 基于QFD的项目组合配置战略贴近度优化研究[J]. 管理工程学报, 2014,28(4):201-206.

[14] 白礼彪,白思俊,郭云涛. 基于粗集模糊物元的项目组合配置战略贴近度研究[J]. 运筹与管理, 2014,23(5):250-256.

[15] 于莹莹,陈燕,李桃迎. 改进的遗传算法求解旅行商问题[J]. 控制与决策, 2014,29(8):1483-1488.

[16] 王俊年,刘云连,伍铁斌. 改进的约束优化多目标遗传算法及工程应用[J]. 计算机工程与应用, 2015,51(3):247-253.

[17] 夏林丽,雷宏,熊卫芝. 多项目多工作选择模型及其动态克隆选择算法[J]. 计算机应用与软件, 2015,32(5):255-257.

[18] 雷玉梅. 基于改进遗传算法的大规模TSP问题求解方案[J]. 计算机与现代化, 2015(2):34-39.

[19] 卢月品,赵阳,孟跃强,等. 基于改进遗传算法的狭窄空间路径规划[J]. 计算机应用研究, 2015,32(2):413-418.

[20] 曾羽琚,陈明辉. 基于改进遗传算法的车辆调度模型[J]. 计算机工程与应用, 2015,51(6):240-243.

[21] 白礼彪,白思俊,郭云涛. 基于改进蚁群算法的项目组合工期——成本优化的研究[J]. 计算机与现代化, 2012(7):9-13.

基于改进遗传算法的资源限制建设工程多项目调度

Resource-constrained Multi-project Scheduling Problem Based on Improved Genetic Algorithm

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	林启钊, 彭志平, 郭棉, 崔得龙. 基于双向多步预测的炉管温度场重构方法[J]. 计算机与现代化, 2024, 0(01): 53-58.
[2]	刘显茁, 邓韦斯, 谢恩彦. 考虑分布式发电并网的配电网自适应保护系统[J]. 计算机与现代化, 2023, 0(09): 120-126.
[3]	张志霞, 谢宝强. 基于FCGA-LSTM与迁移学习的天然气负荷预测[J]. 计算机与现代化, 2023, 0(07): 7-12.
[4]	汪敏, 徐英豪, 朱习军. 基于改进遗传算法优化BP神经网络的糖尿病并发症预测模型#br#[J]. 计算机与现代化, 2022, 0(11): 69-74.
[5]	王扬, 陈梅, 李晖. FOCoR:一种基于特征选择优化的课程推荐技术[J]. 计算机与现代化, 2022, 0(10): 1-7.
[6]	冉昊杰, 王宏智. 基于改进模拟退火算法的生鲜农产品配送中心选址[J]. 计算机与现代化, 2022, 0(10): 36-40.
[7]	战俊伟, 庄毅. 基于能耗与延迟优化的移动边缘计算任务卸载模型及算法[J]. 计算机与现代化, 2022, 0(08): 86-93.
[8]	吴代漾, 赵洁, 梁家铭, 董振宁, 梁周扬. C2C在线短租跨平台房东匹配算法[J]. 计算机与现代化, 2022, 0(06): 43-48.
[9]	徐胜超, 熊茂华. 基于遗传算法的容器云资源配置优化[J]. 计算机与现代化, 2022, 0(01): 108-112.
[10]	徐明, 张剑铭, 陈松航, 陈豪. 柔性作业车间调度问题的多目标优化算法[J]. 计算机与现代化, 2021, 0(12): 1-6.
[11]	张林鹏, 汪西原, 李强. 基于双池化特征加权结构CNN的图像分类[J]. 计算机与现代化, 2021, 0(11): 67-71.
[12]	陈春燕, 刘梦赤. 基于粒子群遗传算法的智能组卷策略[J]. 计算机与现代化, 2021, 0(08): 16-23.
[13]	杨晓东. 基于遗传算法的会计资源共享管理风险评估模型[J]. 计算机与现代化, 2021, 0(06): 24-28.
[14]	刘军, 彭慧娴, 黄斌, 托尼·谢伊. 基于BP-GamysBoost的乳腺癌诊断模型[J]. 计算机与现代化, 2021, 0(04): 8-14.
[15]	徐胜超. 利用遗传算法完成虚拟机放置策略的优化[J]. 计算机与现代化, 2020, 0(12): 25-31.