差分進(jìn)化算法求解資源投資問題.pdf

1、提前預(yù)測對(duì)項(xiàng)目的順利實(shí)施起到非常關(guān)鍵的作用。項(xiàng)目調(diào)度問題就是在項(xiàng)目計(jì)劃階段進(jìn)行的調(diào)度方案估計(jì)。項(xiàng)目調(diào)度問題屬于復(fù)雜優(yōu)化問題。項(xiàng)目調(diào)度問題主要分為資源受限項(xiàng)目調(diào)度問題和資源投資項(xiàng)目調(diào)度問題。資源受限項(xiàng)目調(diào)度問題的目標(biāo)是在資源使用量有一定限制的前提下，最短化項(xiàng)目的工期；資源投資問題的目標(biāo)是在項(xiàng)目完成工期一定的前提下，最小化項(xiàng)目的成本。
　　本論文研究的問題集中在資源投資項(xiàng)目調(diào)度問題上。項(xiàng)目的成本主要由使用資源造成，包括人力、物質(zhì)。為了

2、使問題模型更接近實(shí)際，需要不斷的將問題模型復(fù)雜化，研究從單目標(biāo)問題深化到多目標(biāo)問題。
　　第一個(gè)研究工作的問題模型是帶延遲的資源投資項(xiàng)目調(diào)度問題，該問題在允許項(xiàng)目完成時(shí)間可以超過規(guī)定時(shí)間的情況下，最小化項(xiàng)目花費(fèi)的單目標(biāo)問題。通過引入超期懲罰參數(shù)，選擇項(xiàng)目工期合適但資源花費(fèi)少的調(diào)度方案為最終結(jié)果，而不完全限制項(xiàng)目完成時(shí)間，對(duì)原有問題模型進(jìn)行了改進(jìn)。采用差分進(jìn)化算法解決此問題，并對(duì)每代中比較好的解使用局部搜索算子以得到更好的解。通過測

3、試實(shí)例的驗(yàn)證及與遺傳算法的比較結(jié)果，可說明此算法對(duì)解決此問題是非常有效的。但這個(gè)問題是一個(gè)單目標(biāo)優(yōu)化問題。
　　對(duì)于大型項(xiàng)目，尤其是工期很長的，需要考慮貨幣的時(shí)間價(jià)值對(duì)于項(xiàng)目花費(fèi)的影響，并將傳統(tǒng)資源投資問題未涉及的外來資金進(jìn)行考慮，同時(shí)資源是在提供使用和停止使用的時(shí)間段內(nèi)才可用。基于這些因素，我的第二個(gè)研究工作就是將目標(biāo)函數(shù)設(shè)為最大化項(xiàng)目的折現(xiàn)現(xiàn)金流。通過將項(xiàng)目整個(gè)過程中每個(gè)時(shí)間點(diǎn)的現(xiàn)金流折現(xiàn)到項(xiàng)目開始時(shí)刻得到此項(xiàng)目的折現(xiàn)現(xiàn)金流，

4、這個(gè)值越大，項(xiàng)目最終的收益也就越大。采用差分進(jìn)化算法的框架解決此問題，并結(jié)合兩個(gè)局部搜索算子增強(qiáng)算法的尋優(yōu)能力。通過與遺傳算法的比較，差分進(jìn)化算法在解決此問題上的優(yōu)勢非常明顯。但是這個(gè)問題仍是一個(gè)單目標(biāo)優(yōu)化問題。
　　實(shí)際生活中，一個(gè)大型項(xiàng)目的進(jìn)行中會(huì)出現(xiàn)多種多樣的不確定干擾，導(dǎo)致項(xiàng)目工期的延遲或者資源的緊缺甚至崩潰。這個(gè)時(shí)候需要評(píng)價(jià)一個(gè)調(diào)度方案面對(duì)不確定因素時(shí)的抵抗能力，即調(diào)度方案的魯棒性。魯棒性越強(qiáng)，這個(gè)項(xiàng)目的抗干擾能力越強(qiáng)，

5、可信度越高。所以第三個(gè)工作要考慮的不僅僅是工期短、花費(fèi)少的，也要魯棒性高的調(diào)度方案，進(jìn)而將問題建模為隨機(jī)資源投資項(xiàng)目調(diào)度問題，成為一個(gè)多目標(biāo)優(yōu)化問題。采用多目標(biāo)差分進(jìn)化算法，使用三階段的變異策略以及擁擠熵選擇非支配解，通過與其它多目標(biāo)算法的比較能夠看出此算法在解決此問題上具有明顯的優(yōu)勢。
　　差分進(jìn)化算法是一個(gè)簡單快速的啟發(fā)式優(yōu)化算法。因此本文中的算法基本采用差分進(jìn)化算法的框架進(jìn)行設(shè)計(jì)。算子主要有變異、交叉、選擇和局部搜索。變異是