基于改进遗传算法的ETO型机械制造企业多项目调度研究

摘要

随着经济全球化的脚步不断加速，项目管理理论目前在全球范围制造行业中得到了广泛的应用，在某些发达国家已经成为推动制造行业迅猛发展的主力军，改革开放以来我国对于项目管理理论的认识程度不断加深，项目管理理论正在逐渐的应用到我国制造行业中。在二十一世纪初企业改革浪潮的推动下，我国大量传统机械制造企业将生产方式转型为面向订单设计方式(Engineer-to-order，ETO)，由于ETO型机械制造企业本身具有项目的特点，因此项目管理理论在我国机械制造企业的运用对行业发展起到了很好的推动作用。机械制造企业产品具有小批量、复杂生产等特点，对于ETO型机械制造企业而言，常面临多项目同时运行的情况从而导致项目间对企业资源的争夺，因此根据目前的调查发现如何选择最佳的调度方案从而使项目工期最短成为了制约ETO型机械制造企业发展的主要问题。
　　本文通过对多项目管理及资源约束项目调度问题的国内外研究现状进行综述，找出了制约多项目并行的约束因素，分析了各种资源调度方法的优缺点。在通过对ETO型机械制造企业多项目调度问题进行分析后，找出项目调度存在的问题，并通过对比选出较适合ETO型机械制造企业的调度方法。资源约束多项目调度问题属于NP-hard(Non-deterministic polynomial-time)问题，其求解过程复杂、难度高，但对于工程项目优化问题而言，只需高效求得次优解而无需找到最优解，因此本文对经典资源约束下多项目调度模型进行分析，并根据遗传算法GA(Genetic Algorithm)的特点设计了适应ETO型机械制造企业项目调度特征的改进遗传算法。
　　为了证明算法的可行性，本文选用行业典型企业进行了为期一年的实验。首先选定参照组和实验组项目，针对参照组案例项目进行工作分解，并通过双代号网络图方式表示活动间的逻辑关系，运用MATLAB软件对算法进行改进及运算，对参数进行多次纠正后得出最佳的调度方案。在其他因素不变的情况下，将运算出的调度方案在实验组进行实施，然后将参照组和实验组的工期进行对比，结果表明项目总工期得到了很大程度的缩短，从而证明了改进遗传算法在ETO型机械制造企业多项目资源调度方面的有效性。

目录

声明

摘要

1 绪论

1．1 选题背景与研究意义

1．1．1 选题背景

1．1．2 研究目的和意义

1．2 国内外研究现状综述

1．2．1 资源约束项目调度研究现状

1．2．2 多项目管理的研究现状

1．3 本文结构与创新点

1．3．1 本文的主要工作

1．3．2 本文结构

1．3．3 本文的创新点

2 理论基础

2．1 资源约束多项目调度问题

2．1．1 约束条件

2．1．2 目标函数

2．2 遗传算法

2．2．1 遗传算法介绍

2．2．2 遗传算法的特点

2．2．3 遗传算法的基本用语

2．2．4 遗传算法运算流程

3 ETO型机械制造企业多项目资源调度分析

3．1 多项目资源调度概述

3．1．1 多项目管理

3．1．2 多项目资源调度

3．2 ETO型机械制造企业生产特征

3．2．1 ETO型机械制造企业生产模式概述

3．2．2 ETO型机械制造企业资源分类

3．3 ETO型机械制造企业推行项目管理的必要性

3．4 ETO型机械制造企业多项目资源调度的内容及特点

3．4．1 ETO型机械制造企业多项目资源调度的内容

3．4．2 ETO型机械制造企业多项目资源调度的特点

3．5 ETO型机械制造企业多项目资源调度问题研究

3．6 ETO型机械制造企业多项目资源调度优化目标

4 基于自适应编码的遗传算法优化

4．1 经典资源约束下的多项目调度模型

4．1．1 项目调度基本思想

4．1．2 多项目调度模型基本假设

4．1．3 经典多项目调度模型描述

4．2 基于自适应编码的改进遗传算法

4．2．1 ETO型机械制造企业项目优先规则

4．2．2 编码

4．2．3 初始种群的产生

4．2．4 适应度函数的设计

4．2．5 算法设计

5 实例论证及结果分析

5．1 行业典型企业介绍

5．1．1 企业组织结构

5．1．2 产品介绍及生产流程

5．2 改进遗传算法实例验注

5．2．1 生产过程分解

5．2．2 项目活动分析

5．3 结果分析

5．3．1 计算机仿真模拟

5．3．2 企业案例验证

6 总结与展望

6．1 本文总结

6．2 研究展望

参考文献

后记

致谢