Эвристические методы распределения ресурсов при управлении проектами

• Автор: Потапенко, Анатолий Михайлович
• Шифр специальности: 05.13.10
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Воронеж
• Количество страниц: 156 с. : ил.

СОДЕРЖАНИЕ
Введение

ГЛАВА I. ОСНОВНЫЕ ПОНЯТИЯ УПРАВЛЕНИЯ ПРОЕКТАМИ.

1.1. Характеристика современных российских предприятий.

1.2. Организационная структура современного предприятия

1.3. Основные понятия управления проектами.

1.4. Основные формы представления календарного плана.

1.5. Сетевые модели и методы решения задач распределения ресурсов

1.6. Мультипроектный подход к управлению развитием предприятия.

1.7. Выводы и постановка задач исследования

ГЛАВА II. ЗАДАЧИ РЕСУРСОНОГО ПЛАНИРОВАНИЯ

КОМПЛЕКСОВ РАБОТ.
2.1. Основные понятия и определения
2.2. Методы решения многоэкстремальных задач оптимизации.
2.3. Дихотомическое представление функций и систем ограничений.
2.4. Дихотомическое представление типа дерева
2.5. Общий случай
ГЛАВА III. РАЗРАБОТКА II ИССЛЕДОВАНИЕ ЭВРИСТИЧЕСКИХ
МОДЕЛЕЙ РАСПРЕДЕЛЕНИЯ РЕСУРСОВ.
3.1. Основные правила приоритета.
3.2. Распределение ресурсов по степени критичности работ.
3.3. Распределение ресурсов по минимальной продолжительности
работ
3.4. Распределение ресурсов по минимальным поздним моментам окончания.
3.5. Гибкие правила приоритета работ
3.6. Эвристические алгоритмы локальной оптимизации
3.7. Задача минимизации потерь упущенной выгоды.
ГЛЛВЛ IV. ОПТИМИЗАЦИЯ ПРОГРАММЫ РАЗВИТИЯ
ВСЕРОССИЙСКОГО ДЕТСКОГО ЦЕНТРА ОРЛЕНОК
4.1. План реконструкции и развития ВДЦ Орленок гг.
4.2. Распределение ресурсов при реконструкции ВДЦ Орленок.
Заключение.
Литература


В этих алгоритмах окрестность определяется не для одного решения, а для пары решений (родителей) и даже для нескольких решений. Из полученной окрестности отбираются наиболее перспективные «дети» и формируются новые пары (возможно с привлечение других решении) и т. В основе метода ветвлений лежит процедура последовательного получения решения. Разбиваем множество всех решений на подмножества, каждое подмножество на другие подмножества и т. В задачах календарного планирования метод ветвлений реализуется в так называемых эвристических алгоритмах распределения ресурсов. Метод ветвей и границ эго метод ветвлений, в котором в качестве функций оценки подмножеств берутся оценки снизу (или сверху) целевой функции задачи на данном подмножестве решений. Основное преимущество этого метода по сравнению с методом ветвлений в том, что возможна оценка близости получаемого решения к оптимальному. В основе метода динамического программирования лежит сведение задачи оптимизации к задаче определения экстремальной траектории (минимальной или максимальной длины) в некоторой специальным образом построенном семействе возможных траекторий. Принцип оптимальности Веллмана гласит: любой участок оптимальной траектории оптимален. В случае дискретных задач метод динамического программирования сводится к определению пути максимальной или минимальной длины в специальным образом построенной сети. Подводя итоги краткого обзора основных методов решения задач дискретной оптимизации отмстим, что к точным методам решения (или к методам решения с оценкой точности) относятся метод ветвей и границ и метод динамического программирования. Эффективность метода ветвей и границ в существенной степени зависит от точности нижних (или верхних) оценок оптимального решения на подмножествах решений. Получение хороших оценок во многих случаях по сложности сравнимо с решением исходной задачи. Многие задачи дискретной оптимизации сводятся к следующей постановке: определить вектор с дискретными компонентами, минимизирующий аддитивную функцию при наличии ограничений в виде неравенств. Широкий класс функций Г(х) допускает дихотомическое представление, такое, что вычисление значений функции сводится к последовательному вычислению значений функций двух переменных. Такое представление широко используется в методах комплексного оценивания программ развития предприятий, регионов, результатов деятельности подразделений, уровня безопасности объектов и т. Колмогоровым А. Н. и Арнольдом В. И. доказаны теоремы о представлении непрерывных функций нескольких переменных суперпозициями непрерывных функций меньшего числа переменных (в частности, двух переменных). Рассматривая произвольное дихотомическое представление функции Г(х), задаваемое сетью, входом которой является вершина, соответствующая функции Г(х), а выходами - вершины, соответствующие переменным х;, 1 = 1,п, приходим к эффективному методу решения задач дискретной оптимизации, разработанному в работах В. Н. Буркова и И. В. Бурковой, методу дихотомического программирования. Для этой цели рассмотрим множество конечных вершин, которые не являются висячими, то есть их степень захода больше 1. Разделим произвольным образом затраты <р,(Х|) на к| частей, где 1^ - число заходящих дуг. Фактически произошло разделение вершины на к1 висячих вершин с соответствующей частью затрат. Далее применяем алгоритм дихотомического программирования. При этом каждый раз, когда встречается вершина, имеющая степень захода больше 1, мы делим затраты на соответствующее число частей. В результате применения алгоритма, получим оптимальное решение для модифицированной сети, которое будет представлять оценку снизу для оптимального решения. Для этой цели рассмотрим задачи распределения ресурсов в достаточно общей постановке. Во-первых, рассматриваются воспроизводимые ресурсы (типа «мощности») т различных видов. Работы проекта разбиты на классы так, что каждая работа выполняется ресурсами определенного (одного) вида. Далее, примем, что зависимость скорости работы от количества ресурсов является линейной функцией. В качестве критерия оптимизации берем продолжительность проекта Т.