| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 国内外对施工项目风险管理与网络计划的研究分析 | 第8-18页 |
| 1．1 施工项目管理概述 | 第8-9页 |
| 1．2 施工项目风险管理 | 第9-10页 |
| 1．3 网络计划及其优化 | 第10-12页 |
| 1．4 国内外对项目风险管理的研究现状 | 第12-13页 |
| 1．5 国内外对网络计划优化的研究现状 | 第13-15页 |
| 1．5．1 国外对网络计划优化的研究 | 第13-14页 |
| 1．5．2 国内对网络计划优化的研究 | 第14-15页 |
| 1．6 本文研究的主要内容和创新点 | 第15-18页 |
| 1．6．1 施工项目风险预测存在的问题 | 第15-16页 |
| 1．6．2 网络计划优化存在的问题 | 第16页 |
| 1．6．3 本文研究的主要内容及主要创新点 | 第16-18页 |
| 第二章 施工项目管理中的不确定性影响因素分析 | 第18-37页 |
| 2．1 风险与不确定性 | 第18-19页 |
| 2．2 不确定性信息的概念 | 第19-20页 |
| 2．3 不确定信息的处理方法 | 第20-24页 |
| 2．3．1 随机性信息处理方法 | 第21页 |
| 2．3．2 模糊信息处理方法 | 第21-22页 |
| 2．3．3 灰信息的处理方法 | 第22页 |
| 2．3．4 未确知信息的处理方法 | 第22-23页 |
| 2．3．5 未确知系统的集对分析方法 | 第23页 |
| 2．3．6 粗糙集理论 | 第23-24页 |
| 2．4 施工项目管理中的不确定性因素分析 | 第24-36页 |
| 2．4．1 施工项目管理中的不确定性因素分类 | 第24-25页 |
| 2．4．2 不确定性因素对施工项目管理的影响分析 | 第25-33页 |
| 2．4．2．1 影响施工方案的不确定因素分析 | 第28-30页 |
| 2．4．2．2 影响施工进度计划的不确定因素分析 | 第30-33页 |
| 2．4．3 施工项目管理的模糊数学方法 | 第33-35页 |
| 2．4．4 施工项目管理的灰色数学方法 | 第35-36页 |
| 2．5 本章小结 | 第36-37页 |
| 第三章 智能优化算法及其改进 | 第37-73页 |
| 3．1 智能优化算法与软计算方法 | 第37-38页 |
| 3．1．1 优化技术与优化算法 | 第37-38页 |
| 3．1．2 智能优化算法与软计算方法 | 第38页 |
| 3．2 人工神经网络概述 | 第38-41页 |
| 3．3 BP 型神经网络及其算法 | 第41-48页 |
| 3．3．1 BP 型神经网络的学习算法 | 第41-44页 |
| 3．3．2 经典BP算法的缺陷 | 第44-45页 |
| 3．3．3 BP 型神经网络算法的改进 | 第45-48页 |
| 3．4 遗传算法概述 | 第48-54页 |
| 3．4．1 简单遗传算法的基本步骤 | 第48-50页 |
| 3．4．2 遗传算法的理论基础 | 第50-51页 |
| 3．4．3 基于遗传算法的人工神经网络算法设计 | 第51-54页 |
| 3．4．3．1 遗传算法优化BP 网络权重设计方案 | 第51-52页 |
| 3．4．3．2 算法的实现途径 | 第52-54页 |
| 3．5 混合遗传算法研究 | 第54-64页 |
| 3．5．1 遗传算法的应用设计 | 第54-64页 |
| 3．5．1．1 编码问题 | 第55-57页 |
| 3．5．1．2 适应度函数 | 第57-58页 |
| 3．5．1．3 选择问题 | 第58-60页 |
| 3．5．1．4 交叉运算 | 第60-61页 |
| 3．5．1．5 变异运算 | 第61-62页 |
| 3．5．1．6 主要参数的选择 | 第62-64页 |
| 3．5．1．7 对非法个体的处理 | 第64页 |
| 3．6 引入模拟退火机制的混合遗传算法 | 第64-71页 |
| 3．6．1 遗传算法存在的缺点及其改进 | 第64-65页 |
| 3．6．2 模拟退火算法的基本概念及其原理 | 第65-68页 |
| 3．6．3 引入退火机制的混合遗传算法 | 第68-69页 |
| 3．6．4 实验验证 | 第69-71页 |
| 3．6．4．1 算例实验 | 第71页 |
| 3．6．4．2 结果分析 | 第71页 |
| 3．7 本章小结 | 第71-73页 |
| 第四章 基于智能优化算法的施工项目风险预测与网络计划多目标优化 | 第73-105页 |
| 4．1 施工项目风险因素识别与评价 | 第73-76页 |
| 4．1．1 施工项目风险因素分类 | 第73-75页 |
| 4．1．2 施工项目风险定义 | 第75页 |
| 4．1．3 施工项目风险的模糊层次综合评判 | 第75-76页 |
| 4．2 基于GA—ANN的施工项目风险预测 | 第76-83页 |
| 4．2．1 原始数据的采集 | 第76-79页 |
| 4．2．2 人工神经网络的训练 | 第79-80页 |
| 4．2．3 网络结构及参数的选取 | 第80-81页 |
| 4．2．4 网络的训练和预测评估结果分析 | 第81-83页 |
| 4．3 网络计划多目标优化模型的建立 | 第83-94页 |
| 4．3．1 净收益最大的时间-费用问题 | 第83-90页 |
| 4．3．1．1 工程工期和费用的关系 | 第83-84页 |
| 4．3．1．2 活动持续时间和费用的关系 | 第84-86页 |
| 4．3．1．3 网络计划费用优化的传统优化思路 | 第86-87页 |
| 4．3．1．4 净收益最大的工期-费用数学模型 | 第87-90页 |
| 4．3．2 网络计划的质量模型 | 第90-91页 |
| 4．3．2．1 质量-时间模型提出的思路 | 第90页 |
| 4．3．2．2 网络计划质量-时间优化的数学模型 | 第90-91页 |
| 4．3．3 工期-净收益-质量多目标优化模型的建立 | 第91-94页 |
| 4．3．3．1 多目标优化问题的描述 | 第91-93页 |
| 4．3．3．2 工期-净收益-质量多目标优化模型 | 第93-94页 |
| 4．4 基于混合遗传算法的网络计划优化设计 | 第94-103页 |
| 4．4．1 编码问题 | 第94-95页 |
| 4．4．2 适应度函数 | 第95页 |
| 4．4．3 选择运算 | 第95页 |
| 4．4．4 遗传运算 | 第95-97页 |
| 4．4．5 约束条件处理 | 第97-98页 |
| 4．4．6 运行参数的选取 | 第98-101页 |
| 4．4．7 求解步骤 | 第101页 |
| 4．4．8 算例计算与分析 | 第101-103页 |
| 4．4．8．1 实例 | 第101-103页 |
| 4．4．8．2 基于混合遗传算法的网络计划多目标优化 | 第103页 |
| 4．5 网络计划多目标优化结果的修正 | 第103-104页 |
| 4．6 本章小结 | 第104-105页 |
| 第五章 网络计划多目标优化结果实现的方法研究 | 第105-121页 |
| 5．1 粗糙集的基本理论 | 第105-110页 |
| 5．1．1 知识表示系统和知识 | 第106-107页 |
| 5．1．2 正域与负域 | 第107页 |
| 5．1．3 约简与相对约简 | 第107-108页 |
| 5．1．4 依赖度和重要性 | 第108-109页 |
| 5．1．5 决策表简化及决策规则的提取 | 第109-110页 |
| 5．2 粗集理论在网络计划多目标优化目标实现中的应用 | 第110-119页 |
| 5．2．1 数据准备 | 第110-112页 |
| 5．2．2 构造决策表 | 第112-113页 |
| 5．2．3 决策表的属性约简 | 第113-115页 |
| 5．2．4 属性值约简 | 第115-117页 |
| 5．2．5 规则提取 | 第117-119页 |
| 5．2．6 规则的评价 | 第119页 |
| 5．3 本章小结 | 第119-121页 |
| 第六章 结论与展望 | 第121-123页 |
| 参考文献 | 第123-129页 |
| 发表的论文、论著及取得的科研成果情况说明 | 第129-130页 |
| 致谢 | 第130页 |
