工程項(xiàng)目中技能型員工調(diào)度問(wèn)題研究.pdf

1、經(jīng)濟(jì)發(fā)展的全球化和用戶要求的個(gè)性化促使企業(yè)更加趨向于采用面向項(xiàng)目的生產(chǎn)方式,出現(xiàn)了一大批建筑、能源、交通、水利方面的建設(shè)項(xiàng)目、生產(chǎn)制造項(xiàng)目、軟件項(xiàng)目、科研項(xiàng)目等。員工調(diào)度問(wèn)題是工程項(xiàng)目管理中的關(guān)鍵問(wèn)題之一。由于工程項(xiàng)目日益復(fù)雜、勞動(dòng)力成本不斷上升、以及多技能員工成為培養(yǎng)趨勢(shì)等因?yàn)?員工調(diào)度變得更加困難。業(yè)界和學(xué)界進(jìn)一步關(guān)注并研究工程項(xiàng)目管理中的(技能型)員工調(diào)度問(wèn)題。這種項(xiàng)目員工調(diào)度是一種復(fù)雜的任務(wù)進(jìn)度安排和人力資源配置問(wèn)題,屬于機(jī)器調(diào)

2、度、項(xiàng)目調(diào)度和員工調(diào)度的交叉研究領(lǐng)域。
　　 實(shí)際工程項(xiàng)目中的員工調(diào)度問(wèn)題需考慮的因素很多,主要有員工技能、員工效率、學(xué)習(xí)形態(tài)、工資水平,以及優(yōu)化目標(biāo)(如項(xiàng)目工期、總誤工時(shí)間、工資成本、運(yùn)營(yíng)成本、時(shí)間成本等)。本文主要從技能類型和效率類型兩個(gè)維度系統(tǒng)地研究了五類項(xiàng)目員工調(diào)度問(wèn)題,針對(duì)各類問(wèn)題分別建立了數(shù)學(xué)模型,提出了相應(yīng)的求解算法,大量隨機(jī)數(shù)值實(shí)驗(yàn)表明這些算法具有較強(qiáng)的尋優(yōu)能力和穩(wěn)定性。本文的主要工作及取得的創(chuàng)新性成果如下:

3、r>　　 (1)在分析比較具有優(yōu)先序的平行機(jī)調(diào)度、資源受限項(xiàng)目調(diào)度、以及員工調(diào)度的基礎(chǔ)上,提出了工程項(xiàng)目管理中員工調(diào)度問(wèn)題的研究框架。
　　 (2)研究了單技能型員工調(diào)度問(wèn)題。針對(duì)員工具有同質(zhì)效率、最小化項(xiàng)目工期的調(diào)度,建立了0-1型整數(shù)線性規(guī)劃模型,該問(wèn)題可以看作為經(jīng)典的資源受限項(xiàng)目調(diào)度問(wèn)題的特例,提出了串行插入式進(jìn)度生成方法,數(shù)值實(shí)驗(yàn)表明該算法在質(zhì)量和效率上明顯優(yōu)于另一種任意序進(jìn)度生成方法；針對(duì)員工具有異質(zhì)效率、最小化項(xiàng)目

4、工期的調(diào)度,建立了整數(shù)線性規(guī)劃模型,設(shè)計(jì)了基于優(yōu)先規(guī)則的啟發(fā)式算法獲得單個(gè)初始解,然后提出了混合模擬退火算法(HSA)進(jìn)一步搜索尋優(yōu),數(shù)值實(shí)驗(yàn)表明HSA比常規(guī)模擬退火算法更能快速準(zhǔn)確地進(jìn)行求解。
　　 (3)研究了完全技能型員工調(diào)度問(wèn)題。針對(duì)員工具有異質(zhì)效率的情形分別考慮了三種優(yōu)化目標(biāo):第一種目標(biāo)為最小化項(xiàng)目工期,建立了整數(shù)線性規(guī)劃模型,設(shè)計(jì)了基于優(yōu)先規(guī)則的啟發(fā)式串行調(diào)度算法,數(shù)值實(shí)驗(yàn)表明該算法在質(zhì)量和效率上明顯優(yōu)于另一種現(xiàn)有的

5、啟發(fā)式算法；第二種目標(biāo)為最小化總誤工時(shí)間,建立了整數(shù)線性規(guī)劃模型,設(shè)計(jì)了基于優(yōu)先規(guī)則的啟發(fā)式算法獲得多個(gè)初始解,然后通過(guò)實(shí)驗(yàn)比較概率進(jìn)化策略和精英進(jìn)化策略后,提出了基于概率進(jìn)化策略的混合遺傳算法(HGA)進(jìn)一步搜索尋優(yōu),數(shù)值實(shí)驗(yàn)表明在相同運(yùn)行時(shí)間內(nèi)HGA能比常規(guī)遺傳算法搜索到更優(yōu)的解；第三種目標(biāo)為最小化增長(zhǎng)型工資與時(shí)間成本之和,建立了整數(shù)非線性規(guī)劃模型,通過(guò)啟發(fā)式規(guī)則和常規(guī)動(dòng)態(tài)規(guī)劃方法相結(jié)合,提出了改進(jìn)的DP算法,數(shù)值實(shí)驗(yàn)表明該算法中引

6、入任務(wù)完成時(shí)間界限能有效提高計(jì)算效率。
　　 (4)研究了多技能型員工調(diào)度問(wèn)題。針對(duì)員工具有同質(zhì)效率、最小化運(yùn)營(yíng)成本與差異型工資成本之和的調(diào)度,建立了整數(shù)非線性規(guī)劃模型,提出了一種將基于優(yōu)先規(guī)則的并行進(jìn)度生成方法和常規(guī)遺傳算法有機(jī)結(jié)合的混合遺傳算法,數(shù)值實(shí)驗(yàn)表明多種優(yōu)先規(guī)則都能使該算法收斂到理想的點(diǎn)；針對(duì)學(xué)習(xí)型員工具有異質(zhì)效率、最小化項(xiàng)目工期的調(diào)度,建立了0-1型整數(shù)非線性規(guī)劃模型,設(shè)計(jì)了基于優(yōu)先規(guī)則的啟發(fā)式算法獲得優(yōu)良的初始解