当前位置:首页 > 多项目管理 > 正文

建设企业多项目管理中的资源调度问题解析

时间:2018-12-21   来源:《建材与装饰》作者:陈俊娟 刘东海
摘要:本文在大量文献的基础上也着重从定量方面研究多项目资源受限调度问题。对该调度问题建立数学模型,并设计求解算法,为建筑施工企业实际操作提供了有效的决策支持,也可为其他行业的企业提供参考。
关键词:建设企业;多项目管理;资源调度
前 言
国内建设企业的改革正在向施工设计总承包和专业总承包方向发展,逐步实现由现行的劳动力密集型向知识密集型、管理密集型的企业模型转变。对于有多个在建项目的大型建设企业而言,多项目同时运作是这些企业的特点,特别受“一带一路”战略推动,承建的项目多具备沿交通运输线路或海岸线分部的新特征。因此建立具有相同地域属性、资源属性、目标属性等多项目管理方法,实施统一控制和管理,提高企业组织管理和合作效率,实现整体效益最优,对大型建筑施工企业在“一带一路”战略新常态下的持续发展具有重要的指导意义。
1. 建立多项目资源受限项目调度问题的数学模型
假设建设企业有N个在建项目,其中第i个项目有pi个任务,N个项目共同使用K种资源,第k种资源可供使用的总量为Rk。对于多项目资源调度任务,其主要受两个约束的限制:①项目的时序约束,即单项目的任务在业务逻辑上符合时序约束,每一个任务须在所有紧前任务完成之后才能执行;②资源约束,即任务在执行时所要调度的资源不能大于资源当时的可用量。因此,基于项目的时序约束和资源约束,对于多项目资源调度问题,可以用多种优化目标作为评价指标建立数学模型。本研究中以最小化项目时间为目标建立数学模型。
2. 求解多项目资源受限调度问题的自适应遗传算法
一般来说,在建项目以及其子任务众多且复杂,再加上资源受限的情况,优化求解空间大,使用传统的组合优化方法求解该问题计算困难。因此,对于复杂多变的资源调度问题,本研究设计了一个自适应的遗传算法对多项目资源受限调度问题进行求解,采用启发式算法搜索解空间。遗传算法通过模拟生物的进化机制与过程来求解最优化问题。遗传算法具有并行性和全局搜索的特点,其对参数集合进行编码并进行操作,通过设定的目标函数来了解当前种群的状态并来引导搜索,在种群遗传过程中引入了随机性,提高了算法的鲁棒性。经典遗传算法存在收敛速度慢、稳定性差等问题,自适应遗传算法是针对于经典遗传算法的改进,通过在遗传算法的整体框架内加入自适应评价,进一步提高遗传算法的鲁棒性。
3. 算例分析
本文以某港口建设企业的建设项目为例,以最小化项目时间为目标,对企业资源有限下的多项目调度问题进行研究。每个项目包含9个任务,并共享7种资源。不同项目任务对资源的需求以及工期时间各不相同,对资源的需求以及工期长短具体情况
如表 1~2 所示。
 
表2
 
表1中,第1列数字表示三个项目中各有的9项任务,第2、3、4列数字表示每个任务在不同项目中完成所需工期。表2中,第1列数字表示三个项目中各有的9项任务,第2列数字表示每个任务所需的资源种类,第3、4、5列数字表示每个任务在不同项目中所需资源的数量。三个项目中各任务的时序约束相同,其时序关系用网络图表示,如图1所示,图中圆内的字母代表所在项目中任务编号,箭头所指的任务一定在箭尾所指任务完工后才能开工。在无资源约束条件下,已知各任务的工期和时序约束时,不采用传统的网络优化算法,如动态规划,标号法等,而利用本文设计的算法,可以计算出各个任务的开工时间使所有三个项目的总完工时间最短。表3列出了使用本文设计的自适应遗传算法所得各项目中每个任务的完工时间。利用本文所设计的遗传算法对此例在资源受限的情况进行求解,得到三个项目的一个可行调度计划。所求得的可行调度结果见表4。
 

 
 
表4中第1列为表示三个项目中各有9项任务,第2~6列中的数字为每个任务的开工时间和完工时间,其中ST表示任务开工时间,FT表示任务完工时间。例如表中第3行中第4、5列所对应的7和11表示项目2中第一个任务从7时开工持续到11时完工。表4也可以转化成常用来表示调度任务的甘特图。项目公司可对具体项目实行过程中的任务进行统筹安排,提高项目执行效率。上述的自适应算法是基于多项目资源配置的优化模型所设计的,有两个约束条件,分
分享到:
免责声明:

1、PMO评论发布的所有资讯与文章是出于为业界传递更多信息之目的,并不意味着赞同其观点或证实其描述。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请浏览者仅作参考,并请自行核实相关内容。

2、本站部分内容转载于其他网站和媒体,版权归原作者或原发布媒体所有。如文章涉及版权等问题,请联系本站,我们将在两个工作日内进行删除或修改处理。敬请谅解!

延伸阅读:

本站推荐

more >>

活动圈

more >>

公开课

more >>

书刊柜

Copyright © 2020 PMO评论 版权所有 备案号:京ICP备17062359号-2 如转载本站文章,请注明原作者和原发布媒体

本着互联网分享精神,本站部分内容转载于其他网站和媒体,如稿件涉及版权等问题,请联系本站进行删除或修改处理

客服电话:010-89506650 89504891 非工作时间可联系:18701278071(微信) QQ在线:511524637

新闻与原创文章投稿:tougao#chinapmo.com 客服邮箱:info#cpmta.com(请将#换成@)

PMO评论网微信公众号

PMO评论网微信公众号

PMO评论网微信公众号

PMO大会微信公众号