基于遗传算法的多项目网络计划优化研究
| 作者简介 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-14页 |
| 第一章 绪论 | 第14-20页 |
| §1.1 研究的问题及背景简介 | 第14-15页 |
| §1.2 本课题的意义 | 第15-16页 |
| §1.3 国内外研究现状 | 第16-18页 |
| ·时间费用优化 | 第16页 |
| ·资源优化 | 第16-18页 |
| ·多项目时间费用资源综合优化 | 第18页 |
| ·多项目资源动态优化 | 第18页 |
| §1.4 研究的主要内容及章节安排 | 第18-20页 |
| 第二章 遗传算法及模拟退火算法简介 | 第20-27页 |
| §2.1 遗传算法简介 | 第20-23页 |
| ·遗传算法的基本思想和特点 | 第20-21页 |
| ·遗传算法的实现技术 | 第21-23页 |
| §2.2 模拟退火算法简介 | 第23-27页 |
| ·模拟退火算法的基本思想和步骤 | 第23-24页 |
| ·模拟退火算法关键参数和操作的设计 | 第24-26页 |
| ·遗传算法与模拟退火算法的比较 | 第26-27页 |
| 第三章 资源限制下的多项目调度优化 | 第27-40页 |
| §3.1 问题模型的建立 | 第27-28页 |
| §3.2 应用混合遗传算法求解 | 第28-35页 |
| ·资源约束的多项目调度问题的求解 | 第28-29页 |
| ·多项目存储算法的提出 | 第29-30页 |
| ·混合遗传算法流程 | 第30页 |
| ·染色体结构和编码设计 | 第30-31页 |
| ·染色体的初始化 | 第31-32页 |
| ·遗传算子设计 | 第32-34页 |
| ·评价函数 | 第34-35页 |
| ·模拟退火算子的设计 | 第35页 |
| §3.3 应用实例 | 第35-39页 |
| ·实例数据 | 第35-37页 |
| ·遗传算法求解 | 第37-39页 |
| §3.4 小结 | 第39-40页 |
| 第四章 多项目网络计划资源均衡优化 | 第40-49页 |
| §4.1 多项目网络计划的多资源均衡优化问题概述 | 第40-42页 |
| ·问题求解的目标 | 第40-41页 |
| ·问题的评价指标 | 第41-42页 |
| §4.2 多项目网络计划的多资源均衡优化数学模型 | 第42-43页 |
| §4.3 遗传算法设计 | 第43-46页 |
| ·染色体编码设计及初始化 | 第43-44页 |
| ·修复算子 | 第44-45页 |
| ·选择策略 | 第45页 |
| ·遗传算子 | 第45页 |
| ·适应度函数 | 第45-46页 |
| §4.4 应用实例 | 第46-48页 |
| §4.5 小结 | 第48-49页 |
| 第五章 多项目网络计划资源综合优化 | 第49-53页 |
| §5.1 多项目网络计划的资源综合优化方法 | 第49-50页 |
| §5.2 多项目资源综合应用实例 | 第50-52页 |
| §5.3 小结 | 第52-53页 |
| 第六章 基于遗传算法的多项目费用优化 | 第53-63页 |
| §6.1 工期-费用优化概述 | 第53-55页 |
| ·项目成本的类型 | 第53-54页 |
| ·工作的持续时间与费用关系 | 第54页 |
| ·工期费用关系 | 第54-55页 |
| §6.2 利用遗传算法对多项目费用进行优化 | 第55-59页 |
| ·连续型时间费用优化 | 第56-58页 |
| ·离散型时间费用优化 | 第58-59页 |
| §6.3 应用实例 | 第59-62页 |
| ·连续型时间费用优化实例 | 第59-61页 |
| ·离散型时间费用优化应用实例 | 第61-62页 |
| §6.4 小结 | 第62-63页 |
| 第七章 利用遗传算法进行综合优化 | 第63-73页 |
| §7.1 综合优化模型的建立及方案设计 | 第63-64页 |
| §7.2 资源有限的时间费用优化 | 第64-66页 |
| §7.3 资源有限的资源均衡优化 | 第66-67页 |
| §7.4 多项目综合优化实例 | 第67-71页 |
| ·实例数据 | 第67-68页 |
| ·实例优化 | 第68-71页 |
| §7.5 小结 | 第71-73页 |
| 第八章 多项目动态调度优化 | 第73-91页 |
| §8.1 多项目网络计划的动态优化问题概述 | 第73-75页 |
| ·多项目网络计划的动态优化问题描述 | 第73-74页 |
| ·动态调度优化研究现状 | 第74-75页 |
| §8.2 滚动窗口再调度方法 | 第75-77页 |
| ·滚动窗口技术 | 第75-76页 |
| ·选取规则与再调度周期 | 第76-77页 |
| ·动态调度策略 | 第77页 |
| §8.3 动态网络计划优化模型 | 第77-80页 |
| ·动态网络计划时间优化模型 | 第77-79页 |
| ·动态网络计划资源优化模型 | 第79-80页 |
| §8.4 基于遗传算法的网络计划动态调度算法 | 第80-90页 |
| ·滚动窗口与遗传算法的结合 | 第81页 |
| ·动态网络计划时间优化遗传算法 | 第81-82页 |
| ·动态网络计划资源优化遗传算法 | 第82-83页 |
| ·主要动态事件的处理 | 第83页 |
| ·动态网络计划时间优化实例仿真分析 | 第83-89页 |
| ·动态网络计划资源优化实例仿真分析 | 第89-90页 |
| §8.5 小结 | 第90-91页 |
| 第九章 结论与展望 | 第91-93页 |
| §9.1 总结 | 第91-92页 |
| §9.2 遇到的问题及未来工作展望 | 第92-93页 |
| 致谢 | 第93-94页 |
| 参考文献 | 第94-98页 |
