| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 研究目的与方法 | 第9-10页 |
| 1.2.1 研究目的 | 第9页 |
| 1.2.2 研究方法 | 第9-10页 |
| 1.3 本文组织结构 | 第10-11页 |
| 1.4 研究技术路线 | 第11-12页 |
| 第2章 相关研究综述 | 第12-19页 |
| 2.1 关键链技术 | 第12-15页 |
| 2.1.1 约束理论 | 第12-13页 |
| 2.1.2 项目缓冲 | 第13-15页 |
| 2.2 经典的缓冲设置方法 | 第15-16页 |
| 2.2.1 剪切贴粘法 | 第15页 |
| 2.2.2 根方差法 | 第15-16页 |
| 2.3 基于项目特征设置方法 | 第16-17页 |
| 2.4 项目缓冲其它设置方法 | 第17-19页 |
| 第3章 基于遗传神经网络的关键链项目缓冲设置模型构建 | 第19-36页 |
| 3.1 关键链项目缓冲的影响因素 | 第19-28页 |
| 3.1.1 项目管理成熟度 | 第19-21页 |
| 3.1.2 项目团队效能度 | 第21-23页 |
| 3.1.3 项目风险水平 | 第23-24页 |
| 3.1.4 资源约束度 | 第24-26页 |
| 3.1.5 网络计划复杂度 | 第26-28页 |
| 3.2 改进后的项目缓冲计算 | 第28-29页 |
| 3.3 BP神经网络项目缓冲设置模型 | 第29-33页 |
| 3.3.1 BP神经网络介绍 | 第29-30页 |
| 3.3.2 BP神经网络项目缓冲设置 | 第30页 |
| 3.3.3 BP神经网络结构设计 | 第30-32页 |
| 3.3.4 设置模型的数值处理 | 第32-33页 |
| 3.4 遗传优化项目缓冲设置模型 | 第33-36页 |
| 3.4.1 遗传算法介绍 | 第33-34页 |
| 3.4.2 遗传优化模型设计 | 第34-35页 |
| 3.4.3 遗传编码 | 第35页 |
| 3.4.4 适应度函数 | 第35-36页 |
| 第4章 实例验证 | 第36-53页 |
| 4.1 案例简介 | 第36-38页 |
| 4.1.1 案例企业概况 | 第36-37页 |
| 4.1.2 M企业项目介绍 | 第37-38页 |
| 4.2 数据样本收集和整理 | 第38-46页 |
| 4.2.1 权重确定方法 | 第39页 |
| 4.2.2 M企业项目管理成熟度 | 第39-40页 |
| 4.2.3 M企业项目团队效能度 | 第40-41页 |
| 4.2.4 M企业项目风险水平 | 第41页 |
| 4.2.5 M企业项目资源约束度 | 第41-42页 |
| 4.2.6 M企业项目网络计划复杂度 | 第42-43页 |
| 4.2.7 数据样本整理 | 第43-46页 |
| 4.3 项目缓冲设置模型计算 | 第46-51页 |
| 4.3.1 BP神经网络模型计算 | 第46-49页 |
| 4.3.2 遗传优化后模型计算 | 第49-51页 |
| 4.4 结果分析 | 第51-53页 |
| 第5章 总结和展望 | 第53-55页 |
| 5.1 研究总结 | 第53页 |
| 5.2 研究展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57页 |