蚁群算法在IT项目进度管理中运用研究

《蚁群算法在IT项目进度管理中运用研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、上海交通大学硕士学位论文蚁群算避IT项目进度貰理中的运用研究姓名：万福赞申请学位级别：硕士专业：控制工程指导教师：王伟;毛宇兰20080320摘要作为一门新兴的学科，目前项目管理领域的研究越来越受到关注。木文主要针对IT项目管理中在处理项目进度计划时遇到的资源调度问题，尝试使川在解决资源优化这类组合问题上当前比较流行的算法——蚁群算法，来更合理地安排项目进度，调度可用资源。文章以项日管理的进度计划为研究对象，并从旅行商问题(TSP)的解决过程入手，分析蚁群算法相对其他一些传统算法的不同Z处，及其在处理组合优

2、化问题上的优势。再根据各类项目进度管理屮资源优化问题的相似性，提出使用蚁群算法对资源优化问题进行优化求解。在本文第二章屮，作者将项目管理屮的一些基本概念，如：AON网络图、关键路径等做了简耍介绍。而在第三章中则是阐述蚁群算法的原理，并从算法层面比较蚁群算法和遗传算法、模拟退火算法等三种算法在处理组合问题时的优劣，指出蚁群算法在该领域研究中领先的地位。在第四章，作者结合应用实例建立了一套运用蚁群算法进行资源优化的模型，并使用工作中的真实数据来验证蚁群算法在资源优化中的有效性。作者同时把冃前比较流行的资源优化方

3、法——平行法应用到上述实例，并通过图表的形式比较研究了蚁群算法与平行法优化的结果，证明了蚁群算法合理调度资源，最人化缩短工期的优势。由于该算法在项目管理领域应用较少，文章仅尝试对项目屮涉及的单资源进行优化研究，但鉴于蚁群算法同样适用于多资源的优化求解，该应用方向的研究有着更深远的实际价值和意义。关键词：旅行商问题、蚁群算法、资源优化、平行法、AON网络图第II页ABSTRACTAsanewsubject,researchonprojectmanagementhasreceivedmoreandmoreatt

4、entionsnowadays.ThisthesisdealswiththeproblemsofresourceoptimizationinITprojectmanagementwhenmakingprojectschedules,andtriestouseAntColonyOptimization,whichisoneofthepopularalgorithmsonsolvingthoseproblemscurrently,togetprojectplansandavailableresourcesmor

5、ereasonably.Thethesisconsidersprojectscheduleastheresearchobject,anddiscussesthedifferencebetweenAntColonyOptimizationandothertraditionalalgorithmsintheprocessofsolvingTraveling-SalesmanProblem(TSP).TheauthoralsofindsouttheadvantagesofAntColonyOptimization

6、oncombinatorialoptimizationproblems.Thenaccordingtothesimilarityofvarioustypesofprojectschedule,heattemptstomakeuseofAntColonyOptimizationtosolvethecombinatorialoptimizationproblemsoftheresources.Inthesecondchapter,theauthorintroducessomebasicconceptsofpro

7、jectmanagementfirstly,suchasAONdiagrams,criticalpathetc.ThentheprincipleofAntColonyOptimizationisdescribedinthefollowingchapter,andseveraladvancedalgorithms,forexampleGeneticAlgorithmandSimulatedAnnealingAlgorithm,arealsocomparedwithAntColonyOptimizationwh

8、enmanagingcombinatorial第in页optimizationproblems.Inthefourthchapter,theauthorfoundsasetofmodelscombinedwithanapplicationexampletosolvetheproblemsofresourceoptimizationwithAntColonyOptimization,andusestherealda