基于活動重疊的研發(fā)項目調(diào)度模型與算法

前言
第1章 研發(fā)項目概述
1.1 研發(fā)項目的特點
1.2 項目計劃與控制
1.2.1 研發(fā)項目計劃概況
1.2.2 項目計劃的制訂
1.2.3 研發(fā)項目的實施
1.3 研發(fā)項目調(diào)度
1.4 本書結(jié)構(gòu)與主要創(chuàng)新
1.4.1 章節(jié)安排
1.4.2 主要創(chuàng)新
第2章 項目調(diào)度問題的模型
2.1 目標(biāo)函數(shù)
2.2 時間約束
2.3 資源約束
第3章 項目調(diào)度問題的求解算法
3.1 精確算法
3.2 啟發(fā)式算法
3.3 元啟發(fā)式算法
3.4 測試集
第4章 活動重疊研究
4.1 最優(yōu)活動重疊時間
4.2 重疊建模與項目優(yōu)化
4.3 基于活動重疊的項目調(diào)度
4.4 本章小結(jié)
第5章 確定情形下帶有活動重疊的項目調(diào)度模型與分支定界法
5.1 引言
5.2 活動重疊的描述
5.2.1 兩個活動之間的重疊
5.2.2 多個活動的重疊
5.3 項目調(diào)度優(yōu)化模型的建立
5.4 分支定界算法
5.4.1 理論分析
5.4.2 算法框架
5.4.3 具體過程
5.4.4 示例研究
5.5 實驗分析
5.5.1 實驗設(shè)計
5.5.2 結(jié)果分析
5.6 本章小結(jié)
第6章 不確定情形下帶有活動重疊的項目調(diào)度模型與算法
6.1 引言
6.2 模型建立
6.2.1 下游活動返工時間的概率分布模型
6.2.2 項目調(diào)度優(yōu)化模型
6.3 基于仿真的遺傳算法
6.3.1 染色體編碼
6.3.2 初始種群的產(chǎn)生
6.3.3 帶有活動重疊的并行進度生成機制
6.3.4 遺傳算子設(shè)計
6.3.5 適應(yīng)值的計算
6.4 改進的分支定界算法
6.5 實驗分析
6.5.1 實驗設(shè)計
6.5.2 兩種算法的比較與評價
6.5.3 遺傳算法的實驗結(jié)果
6.6 本章小結(jié)
第7章 帶有多重疊模式的項目調(diào)度問題與啟發(fā)式算法
7.1 引言
7.2 活動多重疊模式的描述
7.3 項目調(diào)度優(yōu)化模型的建立
7.4 基于仿真的遺傳算法
7.4.1 染色體編碼
7.4.2 初始種群的產(chǎn)生
7.4.3 帶有活動重疊的串行進度生成機制
7.4.4 遺傳算子設(shè)計
7.5 實驗分析
7.5.1 實驗設(shè)計
7.5.2 結(jié)果分析
7.6 本章小結(jié)
第8章 基于設(shè)計結(jié)構(gòu)矩陣的項目調(diào)度模型與求解
8.1 引言
8.2 活動重疊的擴展描述與矩陣表示
8.2.1 活動重疊的擴展描述
8.2.2 時間因子矩陣
8.3 項目調(diào)度優(yōu)化模型的建立
8.4 遺傳算法
8.4.1 算法框架
8.4.2 遺傳算子設(shè)計
8.4.3 染色體編碼
8.4.4 染色體解碼
8.5 研發(fā)項目案例研究
8.5.1 案例描述
8.5.2 求解過程
8.6 實驗分析
8.6.1 實驗設(shè)計
8.6.2 結(jié)果分析
8.7 本章小結(jié)
第9章 總結(jié)與展望
9.1 研究結(jié)論
9.2 研究展望
參考文獻
附錄