活动拖期通过资源流网络的传递会严重影响项目的净现值收益。针对该问题,本文首先在确定性环境下采用模拟退火算法(SA)构建了Max-NPV(Maximize the Net Present Value)非鲁棒性基准调度计划,然后考虑到活动工期的不确定性,设计了MEPC(Mi...活动拖期通过资源流网络的传递会严重影响项目的净现值收益。针对该问题,本文首先在确定性环境下采用模拟退火算法(SA)构建了Max-NPV(Maximize the Net Present Value)非鲁棒性基准调度计划,然后考虑到活动工期的不确定性,设计了MEPC(Minimize Expected Penalty Cost)资源流网络优化算法,通过鲁棒性资源分配实现净现值期望惩罚成本最小化。大规模仿真对比实验结果表明,在活动工期低、中、高三种不确定性程度下,相对于采用随机资源分配算法(SA+RRAS)构建的非鲁棒性调度计划,SA+MEPC算法构建的鲁棒性调度计划在项目净现值实际收益、调度计划的“解”鲁棒性和“质”鲁棒性三个方面都取得了更好的结果,并且应对活动拖期风险的能力也更强。展开更多
文摘活动拖期通过资源流网络的传递会严重影响项目的净现值收益。针对该问题,本文首先在确定性环境下采用模拟退火算法(SA)构建了Max-NPV(Maximize the Net Present Value)非鲁棒性基准调度计划,然后考虑到活动工期的不确定性,设计了MEPC(Minimize Expected Penalty Cost)资源流网络优化算法,通过鲁棒性资源分配实现净现值期望惩罚成本最小化。大规模仿真对比实验结果表明,在活动工期低、中、高三种不确定性程度下,相对于采用随机资源分配算法(SA+RRAS)构建的非鲁棒性调度计划,SA+MEPC算法构建的鲁棒性调度计划在项目净现值实际收益、调度计划的“解”鲁棒性和“质”鲁棒性三个方面都取得了更好的结果,并且应对活动拖期风险的能力也更强。
