1、万方数据西安电子科技大学学位论文独创性（或创新性）声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人签名： 日期西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安
2、电子科技大学。本人保证毕业离校后，发表的论文与本论文工作成果有关时署名单位仍然为西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。 (保密的论文在解密后遵守此规定 )本人授权西安电子科技大学图书馆保存学位论文，并同意将论文在互联网上发布。万方数据本人签名：导师签名：日期日期万方数据摘要随着全球经济发展市场竞争的日益激烈，现代项目日趋复杂，要求周期更短、资源均衡、成本更低。资源受限项目调度问题是一类重要的调度问题，它要求在满足项目时序约束和资源约束的条件下，安排所有任务的开工期和完工期，以达到某一最
3、优的目标。目前国内对该问题的研究大都基于一个活动只有一个固定工期的执行模式等假设上，对多模式资源受限项目调度问题 (Multi-mode ResourceConstrained Project Scheduling Problem, MRCPSP)研究的还较少。因此，本文对多模式资源受限项目调度问题进行研究。多模式资源受限项目调度问题是典型的项目调度问题，属于 NP-hard 问题的范畴。目前己有的针对该问题的优化方法概括起来可分为三类：以分支定界法为代表的精确类算法，基于优先规则的启发式算法，以及以遗传算法和模拟退火算法为代表的智能优化算法。本文根据多模式资源受限项目调度问题的特点，构建了基
4、于活动存在多种执行模式，每个活动执行模式对应着不同工期与资源需求的 MRCPSP 问题模型。为了求解上述问题，本文在详细介绍了多智能体进化算法的基础上，提出了将多智能体进化算法应用到多模式资源受限项目调度问题中，并设计了相应的算法。实验中，各种标准测试问题集用于全面测试所提算法的有效性。实验结果证明了所提算法的有效性。本文还将粒子群算法应用到多模式资源受限项目调度问题中，详细介绍了粒子群算法求解多模式资源受限项目调度问题的求解过程。提出了一种基于任务列表的混合粒子群算法，该算法将遗传算法中的两点交叉引入到粒子的更新过程中，通过增加粒子的局部搜索技术帮助粒子跳出局部最优解。通过实验验证了算法的有
5、效性。关键词： 资源受限项目调度 多模式 多智能体进化算法 粒子群优化算法万方数据万方数据AbstractAbstractAs the development of the global economy and the increasing competition of themarket, modern projects are getting more and more complex gradually with therequirements of shorter cycle, resource levelling and lower cost. Resource-constraine
6、dproject scheduling problem is a very important scheduling problem, which requiresachieving an optimal goal by arranging the start and completing time for all tasks underthe conditions of project temporal and resource constraint. Currently, the domestic studyon RCPSP is mostly based on the assumptio
7、n of the execution mode of a fixed durationfor one activity. There are few studies on Multi-mode Resource Constrained ProjectScheduling Problem (MRCPSP). Therefore, this paper is the study on multi-moderesource constrained project scheduling problem.MRCPSP is a typical project scheduling problem. It
8、 belongs to the category ofNP-hard problem. Currently, some optimization methods to solve this problem generallycan be divided into three categories: exact algorithms with the branch and boundmethod as the representative, the heuristic algorithm based on priority rule, andthe genetic algorithm and s
9、imulated annealing algorithm for intelligent optimizationalgorithm.According to the MRCPSP characteristics, this thesis constructs a variety ofexecution modes based on the activities, in which each activity execution modecorresponds to an MRCPSP problem with different project duration and resourcere
10、quirements. In order to solve the above model, this paper puts forward that themulti-agent evolutionary algorithms can be used into the multi-mode resourceconstrained project scheduling problem and designs the application process for thealgorithms in MRCPSP problem on the basis of detailed introduct
11、ion to multi-agentevolutionary algorithms fundamentals. In the experiment, the validity of the proposedalgorithm for comprehensive test set for various standard test problems. The experimentresults prove the effectiveness of the proposed algorithms.In this thesis, the particle swarm optimization is
12、also applied in multi-moderesource constrained project scheduling problem. It introduces the solving process forMRCPSP by particle swarm optimization in detail. A hybrid particle swarmoptimization algorithm based on task list is proposed, which introduces the two-pointcrossover of genetic algorithm
13、into the particles renewal process and helps the particlesjump out of the locally optimal solution by increasing their local search technique.Experiments show the effectiveness of the algorithm.万方数据AbstractKeywords: Resource-constrained project scheduling, Multi-mode, Multi-agentevolutionary algorit
14、hms, Particle swarm optimization万方数据1目录第一章 绪论 . 11.1 选题意义 .11.2 项目调度问题 .11.3 资源受限项目调度问题 .41.4 论文研究内容 .6第二章 资源受限项目调度问题的研究 . 82.1 精确算法 .82.2 启发式算法 .92.2.12.2.2. 9. 10第三章 组合优化多智能体进化算法研究 . 133.1 多智能体进化思想 .133.2 用于组合优化的智能体 .133.3 智能体的行为 .143.3.13.3.23.3.3. 15. 15. 15第四章 基于多智能体进化算法的多模式资源受限项目调度方法 . 174.1 问
15、题介绍 .174.2 算法设计 .184.2.14.2.24.2.34.2.44.2.5. 18. 19. 21. 21. 214.3 数据实验与分析 .234.3.1 . 234.4 本章小结 .26第五章 基于粒子群算法的多模式资源受限项目调度方法 . 275.1 粒子群算法的发展 .275.2 基本粒子群算法 .275.3 算法设计 .285.3.15.3.25.3.35.3.4. 28. 28. 29. 295.4 实验与分析 .29万方数据25.5 本章小结 . 30第六章 总结与展望 . 316.1 论文总结 . 316.2 工作展望 . 31致谢 . 33参考文献 . 35万方数
16、据1第一章 绪论1.1 选题意义信息技术的广范应用使得社会的发展日益迅速，而与之对应的资源储备和获取资源的 能力却没 有达到相 应 的 挺高 ， 很 多受到资源限制的项目调度问题(Resource-Constrained Project Scheduling Problem, RCPSP) 引起越来越多的关注。这类问题是指在没有充分资源和时间保障的情况下，如何尽可能地合理地安排项目计划，已获得最优的项目效益。基于此类问题的很多模型及相关理论被建立，但是这类问题依旧很难解决，主要原因在于这类问题是 NP-hard 1，因此也吸引了许多的研究热情。车间作业、流水调度等都是这类问题的典型代表。在建筑
17、工程、飞机轮船制造等单件或小批量生产方式的制造业中也存在资源受限的项目调度问题。企业可利用有限的资源，在最小化生产成本的情况下，科学地对生产流程和任务进行安排。所以，研究资源受限的项目调度问题对社会价值有着重要的意义和实际价值。尤其是对于我国现有的生产模式，对于企业生产向科技密集型，技术密集型转变，有着重要的现实意义。目前，对资源受限项目调度问题的研究国内外学者主要从两个方面进行研究：一方面是对求解算法进行研究或对原有算法进行改进来优化不同的调度问题，如利用模拟退火算法、粒子群算法、遗传算法等智能算法来对各种资源受限项目调度问题进行求解。另一方面，从企业生产经营实际出发，对 RCPSP 模型一
18、直持续改进，通过不断将新的与社会现实相关的项目特征纳入研究范畴来对项目调度理论研究进行改进。项目调度理论研究的发展伴随着以上两个方面的研究。市场竞争在经济全球化的同时显得日趋激烈，现代企业竞争愈来愈复杂，其对项目的工期、质量、成本的要求越来越高，因此，学者们都开始研究第二个方面的问题并提出了很多与企业现实相结合的具有现实意义的 RCPSP 模型，对项目管理研究的现代化、合理化和科学化有着巨大的推进作用。多模式资源受限项目调度问题(Multi-mode Resource Constrained Project Scheduling Problem, MRCPSP)就是一种新的 RCPSP 模型，就是在这种情况下产生的。1.2 项目调度问题项目调度是项目管理的重要组成部分，项目的成败很大程度上需要一个合理有效的项目调度计划。在企业工程建设、航天制造、软件开发等领域，都有对项目调度的需求，并且多以单件或小批量生产方式为主。近短时间，全球性制造模式就是在为了提升自身竞争力而兴起的，要求所有企业必须在相同行业间相互合万方数据
