| 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 | 第7页 |
| 1.2 问题提出与研究意义 | 第7-9页 |
| 1.2.1 问题提出 | 第7-9页 |
| 1.2.2 研究意义 | 第9页 |
| 1.3 研究内容与方法 | 第9-12页 |
| 1.3.1 研究内容 | 第9-10页 |
| 1.3.2 研究方法 | 第10页 |
| 1.3.3 研究技术路线 | 第10-12页 |
| 第2章 相关研究综述 | 第12-20页 |
| 2.1 项目进度管理研究 | 第12-16页 |
| 2.1.1 网络计划技术研究 | 第12-13页 |
| 2.1.2 关键链技术相关研究 | 第13-14页 |
| 2.1.3 项目群进度优化技术研究 | 第14-16页 |
| 2.2 基于仿生智能算法的多项目调度研究 | 第16-18页 |
| 2.2.1 基于遗传算法的进度管理研究 | 第16页 |
| 2.2.2 基于蚁群算法的进度管理研究 | 第16-17页 |
| 2.2.3 基于微粒群算法的进度管理研究 | 第17-18页 |
| 2.3 海洋石油工程项目进度管理相关研究 | 第18-20页 |
| 第3章 项目群网络计划资源优化模型构建 | 第20-31页 |
| 3.1 建模的基本思路 | 第20页 |
| 3.2 建模假设和参数描述 | 第20-23页 |
| 3.2.1 建模假设 | 第20-21页 |
| 3.2.2 模型参数描述 | 第21-23页 |
| 3.3 模型目标函数 | 第23-24页 |
| 3.4 约束条件构建 | 第24-29页 |
| 3.4.1 工期约束条件 | 第24-25页 |
| 3.4.2 成本约束条件 | 第25-26页 |
| 3.4.3 管理资源约束 | 第26-29页 |
| 3.5 本章小结 | 第29-31页 |
| 第4章 基于粒子群算法模型优化 | 第31-36页 |
| 4.1 粒子群算法原理 | 第31-32页 |
| 4.2 粒子群优化求解步骤 | 第32-33页 |
| 4.3 粒子群算法改进 | 第33-36页 |
| 第5章 案例分析-以某海洋石油工程项目群为例 | 第36-50页 |
| 5.1 案例概况 | 第36-37页 |
| 5.1.1 项目概况 | 第36页 |
| 5.1.2 施工作业流程 | 第36-37页 |
| 5.2 基于传统PERT技术的项目群进度分析 | 第37-41页 |
| 5.2.1 项目群基础数据 | 第37页 |
| 5.2.2 基于传统PERT的工期取值 | 第37-39页 |
| 5.2.3 基于传统PERT的成本资源及管理资源取值 | 第39-41页 |
| 5.3 基于PSO-PERT的项目群进度优化分析 | 第41-48页 |
| 5.3.1 优化模型参数设置 | 第41-42页 |
| 5.3.2 PSO算法改进 | 第42-43页 |
| 5.3.3 PSO算法编码 | 第43-44页 |
| 5.3.4 运算结果显示 | 第44-47页 |
| 5.3.5 运算结果分析 | 第47-48页 |
| 5.4 本章小结 | 第48-50页 |
| 第6章 研究结论与展望 | 第50-52页 |
| 6.1 本文工作总结 | 第50页 |
| 6.2 研究展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56页 |