论文部分内容阅读
随着计算机技术的广泛应用，现代科学技术的不断进步和生产制造业的迅速发展，出现了许多庞大而复杂的科研工程项目，它们工序复杂，协作面广，常常需要动用大量的人力、物力和财力。因此，如何合理而有效地把它们组织起来，在有限的资源条件下，使之相互协调地，以最短的时间和最低的费用，最合理的方式来完成整个项目就成为一个突出重要的问题。计划协调技术(Program Evaluation and Review Technique，简称PERT)就是在这种背景下出现的。
计划协调技术主要是将工程项目用PERT流程图的形式表示出来，通过对计划流程图的优化来达到对整个工程项目优化的结果。而计划流程图的优化包括时间最优化和资源最优化，以及综合优化。它们的侧重点各有不同，时间最优化是在资源一定的情况下，使项目的工期最短；资源最优化是指在工期限定的情况下，使项目的需求资源最少；而综合优化则是综合考虑时间和资源这两个因素，使项目整体达到最优。这里所谈到的优化都只是指针对单项目的优化，而在实际的应用中，一个工程往往是多个项目一起进行，只有这样才能提高整个工程的效率以降低成本，所以针对多项目的优化就显得尤为重要。而针对多项目的优化并不是单个项目优化的简单叠加，它涉及到更加复杂的约束条件以及项目优先级等一系列问题。
要实现这一优化过程，传统的优化算法显然是无法满足的。而遗传算法(GeneticA1gorithms，简称GA)是一种借鉴生物界自然选择和遗传机理的高度并行、随机、自适应搜索算法。它在一定程度上解决了传统的基于符号的处理机制的人工智能方法在知识表示、信息处理和解决组合爆炸等方面所遇到的困难，其自组织、自适应、自学习和群体进化能力使其适合于大规模复杂优化问题。本文就在遗传算法的基础上，针对PERT流程图的各种优化(时间优化、资源优化、综合优化、多项目优化)进行了有益的尝试。
本文结构如下：第一章主要介绍了论题的由来及其研究背景；第二章主要介绍了遗传算法和PERT技术的一些基础知识，为后续的研究奠定基础；第三章主要介绍了如何利用遗传算法针对单个项目进行优化，包括时间最优化、资源最优化和费用最优化；第四章则是在第三章的基础上针对单个项目进行综合优化，即综合考虑时间和资源这两个因素；第五章则是在之前研究的成果上，对多项目的优化进行了有益的探索和研究；后是全文的总结，主要提出了下一步研究应注意的问题和目标。