项目资源优化

关键词：群体

项目资源优化（精选十篇）

项目资源优化篇1

进度计划的优化就是在既定约束条件下,按某一目标,通过不断改进进度计划寻求满意的方案。进度计划的优化目标按计划任务的需要和条件来选定,一般情况下有工期优化、费用优化、资源优化[2]。资源,就是完成项目所需的人力、材料、设备和资金的统称。而完成一个项目任务所需的资源量基本上是不变的,不可能通过资源优化将其减少,工期资源优化就是通过改变计划中的各工序的开始时间,使资源按时间分布符合优化的目标。

1 项目工期资源优化方式

工期资源的优化可以归结为两类问题。一类是在工期固定的条件下,寻求资源使用均衡问题;另一类是在资源有限的前提下,寻求工期最短的问题。无论哪一类问题,其优化的途径就是:

1)利用时差,推迟某些工序的开始时间;

2)在条件允许的情况下,改变某些工序的作业时间或使某些工序在资源紧张的时间阶段内暂时中断,以减少资源使用的不均衡。

1.1 工期固定、资源均衡的优化

资源平衡优化是项目管理中制定项目进度计划时必须要解决的问题,而且此问题对整个项目的成功与否起决定性的作用。资源平衡[3]是改变项目对资源需求状况的有效方法,由于项目的某项任务总是可以在最早开始时间和最晚开始时间确定的范围内开始,所以,通过采用不同的分配方式,就可以达到较高的资源利用率和降低项目成本的支出。工期固定、资源均衡[4]的优化过程就是在工期保持不变的条件下,调整工程进度计划,使项目资源需要量尽可能均衡的过程,也就是在整个工程工期内不出现过高的高峰和过低的低谷,力求使各个时间段上的资源分配比较均衡,减少资源需求的波动范围,从而可以保证项目的质量和减少大量的项目成本。

关于多资源均衡优化问题,从理论上说,是一种组合优化问题。目前,对这类优化问题的求解主要有两类方法[5],一种是解析法,另一种是启发式算法。解析法是渴求问题理论上的最优解,如动态规划的时点分解法、策略空间迭代法阁等。但解析法只适用于小型的、单资源的进度计划,对于大型进度计划,尤其是工序、资源约束条件(如资源为变数、资源的延期等)比较复杂的进度计划,由于进度计划本身的复杂性或碍于维数灾等原因,在理论上还难以构造出理想的数学模型,因而,在实际中解析法的运用范围受到了一定限制。

启发式算法[6]是指通过对过去经验的归纳推理以及试验分析来解决问题的一种算法。用启发式算法一般只注重寻找问题的满意解,而不去追求最优解。启发式算法是通过多次迭代实现的,需要事先确定出启发式规则,然后再按照启发式规则去求得满足问题要求的可行解,如果这一可行解已经是满足结束条件的满意解的话,则迭代过程结束;如果这一可行解还不是满意解的话,则再按照启发式规则去求得另一个可行解,并进行下一次的迭代,直到找到符合问题要求的满意解为止。在整个迭代过程中,可以不断地吸收新的信息,必要时可以修改原来拟定的不合适的策略,建立新的启发式规则。

1.2 资源有限、工期最短优化

资源有限情况下项目进度问题[7]一直是工程项目管理方面研究的重点,近几年来众多的专家学者对该问题进行了研究。目前对于这类问题的研究主要集中在算法和优化目标两个方面。对求解资源有限、工期最短这一问题的算法研究主要集中在以下几个个方面:

1)利用数学规划方法解决这类优化调度问题,求得最优解;

2)利用启发式方法来得到满足条件的最优解;

3)利用智能优化算法在进行最优解的获取。

就优化方法上来说,目前针对该问题的有效算法主要分为两大领域[8]:精确计算方法(Exact Algorithm)和启发式计算方法(Heuristic Algorithm)。精确算法又被称为经典算法,精确计算方法包括分枝定界法(Branch and Bound);和数学规划中的0-1规划及动态规划等;主要以分枝定界法为代表。

对于大型项目来讲,由于分枝定界法运行时间较长,所以不得不借助于启发式方法。启发式计算方法,所谓启发式算法,就是在多个工作竞争同一种有限的资源时,把各个工作根据一定的规则排列起来,然后再按各工作的排列顺序来分配资源,使得某一目标达到最优(次优)。适合用来解大规模,多因素问题,适合多资源约束项目进度问题的优化。人们目前的研究主要是针对两类启发式准则。目前已有数种启发式准则和相应算法,按其求解问题的计算顺序和优先准则可以划分为两大类:

2.2.1平行法(Parallel Alogorithm)

平行法启发式考虑某一时段内及其该时间内能安排的所有活动,这些活动按某一个或几个组合的优先准则进行排序,并按资源供应量安排工序,当资源需要量大于资源限量时,推迟到下一个时段,直至该时段内的资源强度不超过资源限量,然后考虑下一时段,重复资源分配的过程,直至所有时段的资源需要量不超过资源限量为止。

常用的平行法启发式准则有:最小总时差准则(min TS)、最小的最迟开始时间准则(min LS)、最大资源需要量准则(max R)、最短紧急活动准则(short T)、最大总工作量准则(max TW)、最长的活动时间准则(long T)、最小的最迟完成时间准则(min EF)、最小的最迟完成时间准则(min LF)、最早的到达时间准则(ear AT)、最多的直接紧后活动时间准则(most IS)、最多的后续活动准则(most SA)、最少的直接紧后活动准则(I east is)、最少的后续活动准则(least SA)、最少的非相关活动准则(leastR)、最长的紧后路径准则(Iarg PF)、进度方法准则(RSM)、随机选择准则(RNA)等。

1.2.2 序列法(Serial Algorithm)

序列法规定各个活动按一定规则排成单一序列,从项目开始事项起按照排好的顺序进行到项目结束时为止,进行过程中考虑每个单位时段的资源限制用量。在规则的制定上,一般根据经验综合分析影响活动之间重要性的各类因素,总结出活动的优先权系数,以此作为评定活动先后和调整活动顺序的规则,来安排活动的进度。为了能充分使用现有资源安排某些活动,可以忽略其它待安排但得不到可用资源的活动,同时始终要遵循各活动之间的逻辑关系约束。

常用的序列法准则有:ACTIM准则、ACTERS准则、TIMRES准则、GRD准则、GRNRES准则、ROT准则、ROT-ACTIN准则、ACROS准则、TIMROS准则、TIMGE准则、CAF准则、WRUP准则、SPRI准则等14种。

协调资源优化方法的选择关键问题是:如何选择工序之间的排队问题,但无论在何种情况下,在进行资源协调时,其优化原理都是在满足资源约束性条件下,从若干可行的调整方案中,寻求使工期增量最短的最满意方案。不同的资源优化方法对同一问题的处理效果不同,他们随着受资源约束的进度计划问题的特征(包括网络结构、工序的持续时间、资源限量等)的不同会有较大的差别。

平行法以工作时段内所能安排的活动为出发点,以各工序的时间参数和资源限量作为安排活动的准则,相对比较简单。而序列法相当于按某一准则赋予活动一定的优先权系数,在资源发生冲突时,按系数的大小安排活动进度。它从整个进度计划来考虑活动对工期的影响,考虑活动的重要性。两类方法有着明显的区别。序列法通过考虑影响进度计划工期即活动重要性的因素,并对这些因素进行组合,并赋予一定的权重系数,得到了不同效果的启发式方法。大多数序列法启发式准则对影响进度计划工期和活动重要性的因素设置了权重系数,而这些系数的取值本身就具有不确定性和主观性。不同的取值对不同类型的进度优化结果是不同的,这为方法适用性又增加了限制条件。而且,序列法不能很好的利用及进度计划的时间参数,却把主要的工作放在反复计算准则所需要的参数值上面,使编制程序的工作更加复杂。

2 结论

随着信息技术的快速发展和应用领域的扩大深入,项目管理和多项目管理正在成为当前及未来项目管理研究的热点之一,项目工期资源的优化又是其中的一个重要方面。本文论述了项目工期资源优化的两种方式:工期固定、资源均衡的优化以及资源有限、工期最短优化,并对两种优化方式分别进行了探讨。展望未来,国内项目管理理论及其应用从无到有,从小到大,逐步走向成熟阶段,并且必将随着项目管理和多项目管理研究的深入和科学技术的进一步发展而得到不断地提高和进步。

参考文献

[1]张厚先,杨昭兰.工期固定—资源均衡优化方法的改进[J].建筑技术,2009(40).

[2]徐华.动态项目管理资源优化算法研究[J].内蒙古师范大学学报,2005(34).

[3]庞南生.多资源网络计划均衡优化启发式方法研究[J].现代电力,1997(14).

[4]李岚.基于网络图时间参数UTM算法的施工资源优化[J].数学的实践与认识,2008(38).

[5]田丰春.利用遗传算法实现项目资源管理优化[J].南京晓庄学院学报,2003(19).

[6]李家昊.基于自组织有序度的项目网络计划综合优化的研究[D].天津:天津大学,2004.

[7]郭研.软件行业中的多项目管理[D].南京:南京航空航天大学,2005.

项目资源优化篇2

一、电力工程项目管理中人力资源优化配置中的不足

(一)电力工程项目中人力资源结构不合理

目前，很多电力工程项目中人力资源结构不合理，主要表现在以下几个方面：一，人员技能结构比例失调，真正有能力的技术操作人员和经营管理人员不多;高层管理员和一线技术人员比重不高。人员技能结构比例的失调，导致管理技术人员队伍不够稳定，没有充分发挥出在岗人员的积极性，造成了工程项目人力资源与经济利益的损失。二，人力资源组成配置不合理，很多电力企业在引进人员时，不考虑公司的实际需求，导致人力资源适用性差，个人优势得不到发挥，也体现不出组织整体的功效。

(二)工程项目管理人员的选拔和培养机制不合理

受传统思想的影响，很多电力企业在人员的选拔上仍然不能摆脱仅以经验为主的观念，不能对人员进行全方位的考虑，对人员的知识、个性、能力了解不透彻，在对人员进行培养时，不能根据人才的特点合理选择培训方法，导致人员不能充分发挥自身优势，甚至还会出现人员闲置问题。工程项目管理人员的选拔和培养机制不合理，导致我国电力项目管理整体水平较为落后。

(三)项目管理人员配置机制和方法不合理

我国电力企业各部门之间存在着很多问题，主要表现在以下几个方面：其一，协调性差，各个部门之间相互竞争，不全力配合各自工作，导致电力企业缺乏凝聚力;其二，各个部门之间缺乏交流，出现问题的时候不能好好讨论，得出有效的解决方案，阻碍了电力工程项目的顺利开展;其三，电力工程项目的人力资源开发和工程项目建设目标出现脱节现象，人力资源部门不清楚项目建设目标，导致在进行人才招聘时，没办法按照项目需求引进人才，且人力资源部门没有科学的按照人力资源优化配置的原则，最终造成人员能力与实际项目需求不匹配的后果。

(四)公司工程项目管理中人力资源激励制度不完善

目前我国大多数电力企业缺乏有效的激励机制，一方面表现在薪酬方面，现在很多电力企业的薪酬体系不规范也不合理，他们大多采用资历工资的`制度，不能及时对技术先进的人员进行奖励，考评制度也不合理，这些都会导致员工积极性差，工作效率低，甚至对工作失去兴趣;另一方面表现在激励方式单一，主要是以物质为主，随着经济发展，人们的温饱问题基本已经解决，员工更需要的是精神上的激励，另外，不同阶层的员工，期望的激励方式也不同，电力企业不能准确分析员工真正的需求，导致激励效果不明显，激励机制不完善。

二、电力工程人力资源优化配置的措施

(一)更新思想观念，做到与时俱进

当今社会发展迅速，市场竞争日趋激烈，电力企业要想在瞬息万变的环境中占据有利的竞争地位，就必须紧跟时代潮流，及时转变思想观念。对于电力企业而言，在招聘员工时，不要只看他的学历，要对其进行全方位、多角度的综合考察，尤其是思想素质，并设置一段考察期，考察员工是否适合这份工作，另外，企业要充分尊重员工，关注员工的需要，不单单以物质奖励激励员工的工作热情，应结合精神激励，使员工具有强烈的归属感;对于员工而言，要以饱满的热情投入到工作中，提高工作效率，不断提高自身技术水平和创新力，在完成本职工作的基础上不断钻研、创新，为企业创造价值。

(二)导入竞争机制，优化配置手段

电力企业在进行人力资源优化配置时，可以实行竞争机制，给员工施加压力，促使员工高效工作。在电力企业中导入竞争机制可以从几方面下手：一，在招聘过程中实行竞争机制，电力企业在招聘员工时，可以扩大招收量，择优录取;二，在企业内部可以导入竞争晋升机制，根据员工的平时表现，给予晋升机会，从而有效激发员工的工作热情，充分挖掘自身潜力，实现其自我价值和社会价值;三，完善薪酬体系，电力企业可以适当对薪资进行调整，以此来吸引更优秀的人员。

(三)优化电力工程项目人力资源的开发机制

优化电力工程项目人力资源的开发机制，能够有效挖掘人员潜能，促进企业发展。优化电力工程项目人力资源的开发机制可以从以下两方面进行：一是将人力资源开发作为一个长期的发展过程，在此过程中不断培养人才、挖掘人才，促使员工更好的发挥自己的优势;二是将人力资源开发作为一种投资行为，在人力资源开发过程中要合理使用资金;三是将人力资源开发作为一种竞争手段，二十一世纪的竞争，说到底是高素质人才的竞争。

(四)加强团队建设

一个人的力量是有限的，电力工程项目在对人力资源进行优化配置时，还要注意团队的建设。由于电力企业人员较多，团队建设需要长期坚持。在团队建設中，主要可以从以下几方面入手：一，充分发挥项目经理的作用，确保项目经理的领导地位，促使项目经理起到主导作用;二，优化团队构成，促使团队内部人员结构合理;三，对团队建设进行动态管理。

三、总结

总而言之，电力企业要更新思想观念，与时俱进，合理调整人力资源开发机制，导入竞争机制，提高员工的积极性，最大程度发掘员工潜能，以保证电力工程项目中的人力资源优化配置顺利进行，进而促进电力企业可持续发展。

参考文献：

项目资源优化篇3

关键词:资源约束;项目调度;遗传算法

中图分类号:O224 文献标识码:A文章编号:1006-8937(2010)10-0017-01

经济的全球化加剧了日益激烈的市场竞争,同时对企业的生存与发展提出了更高的要求。无论是软件开发、建筑工程、制造业等大型产业,还是进行批量生产的小型企业,为了进一步增强自身竞争优势,项目管理技术的应用已经越来越广泛。而项目调度问题作为项目管理技术中的一个重要分支,合理的调度计划能够有效地缩短项目周期、降低企业成本、提高产品质量。但是由于项目调度问题较为复杂,不仅存在前驱后继关系,还常伴有资源的约束,求解极为困难。

因此,文章所研究的主要内容就是对求解多模式资源约束项目调度问题的遗传算法进行优化。

1存在问题

在更多的实际项目中,为了提高资源的利用率,项目负责人往往会依据项目中各活动的轻重缓急程度来决定对各个活动的资源投入量,而在现实的工作过程中,各工作所获得的实际资源投入量会直接影响到该活动的工期。所以,当活动比较紧急时,可以通过加大资源投入量的方法,来缩短完成这项活动所需要的工期。当活动不是很紧张,可以略有拖延时,我们也可以考虑通过减少该活动的资源投入量,从而降低成本,这样就可以在工程进度中获得更大的收益。这种可以使用不同资源分配模式的资源约束项目调度问题就是多模式资源约束项目问题(multi-mode RCPSP,MRCPSP)。如果能够更好的为每项调度中的活动合理安排投入的资源,那么最终可以使得项目的完成情况更接近或超过预期目标。

2求解方法遗传算法是基于自然选择,在计算机上模拟生物进化机制的优化算法。它把欲求解问题的解空间映射作为遗传算法的搜索空间,把每一个可能的解编码作为一个解向量,也称为染色体(Chromosome),染色体中的每一个元素称为基因(Gene)。所有的染色体就可以组成一个种群。根据所研究问题的求解情况设定一个目标函数值,即评价指标,比如工程项目中的工期等。通过这个目标函数值,也称为个体适应度,来评价所有染色体,从而决定染色体的好坏优劣。这样,按照遗传算法的流程和对应的操作,不断进化种群中的染色体,来调整其基因值,使之愈来愈趋近于目标函数值所倾向的个体,也就是我们所研究问题中期望的较优解。

遗传算法通常包括六个基本步骤。步骤1,初始化种群:按照预先设定的优先规则(LFT,LST,MTS,MSLK,RND)和对应的个体数(比例,如LFT:LST:MTS:MSLK:RND=1:1:1:1:1)产生初始种群链表initGroupList,大小为GS。步骤2,选择操作:按照选定的选择操作的策略(轮盘赌、二人竞赛)和交叉率进行选择操作,将选中的个体加入到双亲链表parentsGroupList。步骤3,交叉操作:按照选定的交叉操作的策略(单点、两点、均匀、最大资源利用)进行交叉操作。从parentsGroupList中选择双亲进行交叉,交叉后的新个体保存到子代链表childrenGroupList。步骤4,变异操作:按照选定的变异操作的策略(基插、染插、交换、基邻插、染邻插、邻交换)进行变异操作。对childrenGroupList中的新个体按照变异率进行变异,变异后的个体加入到初始种群链表initGroupList。步骤5,维持种群:保证数量不变。步骤6,终止条件:是否达到最大迭代次数,如未达到则重复步骤2。否则,输出迭代中最好的个体。遗传算法编码和解码解析。根据目前的研究资料表明,紧前关系相容链表是目前较好的一种染色体编码方式。该方法简单易用并且求解效率高。

所选择的适应度函数。通常情况下,遗传算法的通用适应度函数公式定义如下:

f(x) = T (1)式中,f(x)是个体x的适应度值;T是个体x的项目工期。

选择、交叉和变异算子。遗传算法的核心操作是三个操作算子——选择、交叉和变异。这三个算子主导了遗传算法如何进行,也决定了所研究问题的求解质量。

①选择应运二人竞赛策略。在生物的遗传和进化的过程中,任何一个物种对生存环境适应度较高的个体都会有更多的机会将优良基因遗传到下一代中,反之被保留的机会就会减少,甚至被淘汰。根据预先设定的选择概率,在种群中对每个个体进行选择。在被选中的个体中依次进行选择,每次选择都从两个个体中选择最优的一个个体进入待交叉列表。因而选择操作在遗传算法中往往起着更为重要的作用,它会从父代中选出最好的基因遗传于子代之中。

②两点交叉策略。记参与交叉的两个父代个体为A和B,随机生成两整数p,q,1

③基于基因和邻域搜索的插入变异策略。基于基因插入变异策略是在基于基因的插入变异策略的基础上,根据变异概率和变异因子记录本次变异中出现过的最好染色体作为变异的结果,这个过程也称为邻域搜索。其中变异因子为在区间中尝试的位置次

3实验结果

为了研究遗传算法应用于MRCPSP求解的问题,文章选择了PSPLIB实例库中多模式J10作为测试依据,来验证遗传算法各个策略的优劣,结果如下:①选择策略。赌轮机制(比例复制)在运行J10项目中平均偏差率、最优解比例均不如二人竞赛策略。因此,文章融合算法中遗传算法部分采用二人竞赛的选择策略。②交叉策略。两点交叉相对于其它交叉策略具有更好的效果,平均偏差率、最优解比例都有很好成绩,因此文章融合算法中遗传算法部分采用两点交叉。③变异策略。文提出的基于基因和邻域搜索的插入变异策略相对于其他变异策略具有更好的效果,平均偏差率、最优解比例都有很好成绩,因此文章融合算法中遗传算法部分采用基于基因和邻域搜索的插入变异策略。

4结语

从实验结果可以看出,应运遗传算法解决资源约束项目调度问题具有很高的求解效率和质量。对遗传算法的变异策略进行改进,应运与求解具体的实例中更具有一定优势。

参考文献:

[1] 刘立东,蔡淮.融入遗传算法的混合蚁群算法[J].计算机工程与设计,2008,(5).

[2] 陈国良,王煦法,庄镇权,等.遗传算法及其应用[M].北京:人民邮电出版社,1996.

[3] (日)玄光男,程润传.遗传算法与工程设计[M].北京:科学出版社,2000.

[4] 金菊良.遗传算法及其在水问题中的应用[D].南京:河海大学,1998.

[5] 韩万林,张幼蒂.遗传算法的改进[J].中国矿业大学学报, 2000,(7).

[6] 杨启文,蒋静坪,张国宏.遗传算法优化速度地改进[J].软件学报,2000,(4).

[7] 翟梅梅.基于蚁群算法的改进遗传算法[J].安徽理工大学学报(自然科学版),2009,(3).

[8] 张晓玲,黄力.融入遗传算子的蚁群算法求解TSP问题[J]. 广西民族大学学报, 2009,(3).

[9] 黄立军,许永花.遗传算法和蚁群算法融合求解TSP[J].东北农业大学学报, 2008,39(4):109-113.

[10] 徐金荣,李允,刘海涛,等.一种求解TSP的混合遗传蚁群算法[J].计算机应用,2008,(8).

项目资源优化篇4

关键词：资源受限,多项目管理,项目选择计划,克隆选择算法

1 引言

目前,众多企业已逐渐开始应用现代管理模式管理企业各项活动,致使有计划性地实施项目管理已成为企业中不可缺少的一项内容,很多企业经常性地处于多项目的管理环境之中[1]。近年来,国内外已有许多关于多项目管理的研究成果,主要集中在多项目调度[2,3,4]、资源限制下多项目资源平衡[5,6]等方面; 这些成果针对不同的、特定的项目计划管理问题,建立了相应的数学模型并提出了求解的各种算法,取得了较好的效果。谈烨等针对多资源受限项目排序问题提出了两层决策模型,并借助随机全局优化方法,获得了令人满意的解,该方法能有效地求解多资源受限项目排序问题[2]; 廖仁等建立了一种针对资源受限下多项目调度问题的数学模型,并提出了一种解决该问题的启发式算法,结果表明该算法能够得到可行解[3]; 寿涌毅提出了一种资源约束下多项目调度的迭代算法,该算法结合了串行进度计划生成机制和逆向算法的优点,通过与其它算法的比较,说明了该算法可以得到较好的项目进度计划[4]; 王为新、郭研等建立了多项目资源均衡问题的数学模型,并分别给出了各自设计的遗传算法对其求解,前者利用网络计划图的拓扑排序提高算法的收敛速度[5],后者采用适应值含惩罚项遗传算法, 有效地处理了约束条件[6]。但是,这些有关多项目管理的模型大多是在已报道的单项目管理模型基础上进行扩展而建立起来的,没有考虑项目过多时对项目的筛选问题(即多项目选择计划)。在实际问题中,企业在利益的驱使下趋向于更多地承接项目,但由于各企业自身可利用的资源受限,企业要完成所有的项目,不得不面临某些项目不能按时完工的风险; 为了降低这种风险,企业只能选择一部分项目来执行,这些项目的执行计划要尽可能使自身资源在执行期内分配均衡且得到最大利用。如何在有限资源下对未来时间段内的多个项目进行选择及计划是很多企业面临的难题,其研究工作极少被报道。

以上多项目的选择计划在数学上是混合优化问题,其不仅包含大量约束条件,而且其含离散变量,因此传统的数学规划方法极难求解。基于此, 本文在充分调研基础上,首先设计较为切合实际的资源受限多项目选择计划模型,进而通过改进克隆选择算法[7]中初始群体的生成及克隆变异方式,获得改进的克隆选择算法(ICSA:Improved Clonal Selection Algorithm),并利用此方法搜索设计的模型的决策方案。数值实验及比较说明提出的模型的合理性及改进的方法的有效性。

2 问题描述及数学模型

设某企业从现在开始的未来时间段T天内有N个待选项目1,2,…,N,将每个项目看作一个整体,这些项目都是独立的,即项目之间不存在承继关系,各项目执行均需用M种资源,且各项目在执行期内不间断。根据引言中介绍的资源受限下多项目的选择计划问题,对N个项目中每一项目i,利用0、1字符变量bi确定其是否被选中。假定N个项目中被选中的项目为一集合V,从而

$b_{i} = {\begin{matrix} 1, & i \in V \\ 0, & 否则 \end{matrix}, i = 1, \dots, Ν (1)$

若第i个项目被选择执行即bi取1时,确定其执行的开始时间为ci(天),为确保被选中执行的项目能够在截止日期前完成,ci满足:

$1 \leq c_{i} \leq e_{i} - t_{i} (2)$

其中,ei为项目i完成的合同截止日期,ti为相应的持续时间;若bi取0时,相对应的ci取值为0,即该项目不被执行。假定在T天内第j天执行的所有项目构成集合Uj,第i项目在单位时间(天)占用第k种资源量为rik,第k种资源在第j天的资源使用量不能超过当天的资源限制Rkj,则有

$\sum_{i = 1}^{Ν} b_{i}^{j} r_{i k} \leq R_{k j}, k = 1, \dots, Μ; j = 1, \dots, Τ (3)$

其中

$b_{i}^{j} = {\begin{matrix} 1, & i \in U_{j} \\ 0, & 否则 \end{matrix}, i = 1, \dots, Ν; j = 1, \dots, Τ$

设 $\bar{R}$ k为T天内第k种资源的总和量限制,资源用量还应满足:

$\sum_{i = 1}^{Ν} b_{i} t_{i} r_{i k} \leq \bar{R}_{k}, k = 1, \dots, Μ (4)$

在满足约束条件(3)、(4)的情况下,时间段T天内N个项目的选择计划要求单位时间内的资源尽量分配均衡且得到最大利用,用σk来衡量资源的分配是否满足此要求,即

$σ_{k} = \frac{1}{Τ} \sqrt{\sum_{j = 1}^{Τ} (R_{k j} - \sum_{i = 1}^{Ν} b_{i}^{j} r_{i k})^{2}}, k = 1, \dots, Μ (5)$

经由式(5),σk越小,说明此M种资源利用越充分,且在时间T天内分配越均衡。考虑到不同资源种类的重要程度不同,给出权重μk, k=1,…,M,则可获得目标函数为

$F (b_{1}, b_{2}, \dots, b_{Ν}, c_{1}, c_{2}, \dots, c_{Ν}) = \sum_{k = 1}^{Μ} μ_{k} σ_{k} (6)$

进而可得多资源约束下的多项目选择计划优化模型(P):

$\begin{array}{l} \min F (b_{1}, b_{2}, \dots, b_{Ν}, c_{1}, c_{2}, \dots, c_{Ν}) = \sum_{k = 1}^{Μ} μ_{k} σ_{k} \\ s . t . \sum_{i = 1}^{Ν} b_{i}^{j} r_{i k} \leq R_{k j}, \sum_{i = 1}^{Ν} b_{i} t_{i} r_{i k} \leq \bar{R_{k}} \\ b_{i} = {\begin{cases} 1, i \in V \\ 0, 否则 \end{cases}, b_{i}^{j} = {\begin{cases} 1, i \in U_{j} \\ 0, 否则 \end{cases} \\ σ_{k} = \frac{1}{Τ} \sqrt{\sum_{j = 1}^{Τ} (R_{k j} - \sum_{i = 1}^{Ν} b_{i}^{j} r_{i k})^{2}} \\ \sum_{k = 1}^{Μ} μ_{k} = 1, 0 \leq μ_{k} \leq 1, 0 \leq c_{i} \leq e_{i} - t_{i} \\ i = 1, \dots, Ν; j = 1, \dots, Τ; k = 1, \dots, Μ \end{array}$

此模型包含2N个变量,既有0、1字符变量,又有非负整数变量,约束条件数目至多为(T+1)M,该模型的求解属于NP难问题。由此模型获知,若所有项目均被选中,从而以上模型仅含N个非负整数变量,此时该模型为整数规划模型;相反,其为多约束非线性混合规划问题,其解决极为困难,需要特定的优化方法进行求解,为此从免疫学中克隆选择原理出发改进克隆选择算法求解以上问题(P)。

3 算法理论及运行机制

克隆选择原理解释了免疫系统中体液免疫应答的主要机理,该原理的主要思想是:当某种抗原入侵机体以后,体内将选出识别相应抗原的免疫细胞,这些细胞被激活,并繁殖一定数目的克隆细胞,一部分克隆细胞变为记忆细胞被保存于免疫系统中,并更新已有的低亲和力的记忆细胞,其余细胞经过亲和成熟,即多次重复变异及重组,最终获得大量识别抗原能力较强的抗体,中立或清除抗原[8],模拟此原理的主要思想可获得克隆选择算法[7]。值得一提的是,该算法结构简单,突出了抗体应答抗原的主要机制,其在函数优化和组合优化的应用中都取得了成功,但由于算法自身的结构特性,在一些复杂的优化问题求解中易于获局部最优解,为此针对以上特定的混合规划问题,改进该算法。

将问题(P)中的目标函数和约束条件对应于抗原,该问题的可行解(满足约束)对应于抗体,不满足问题(P)的约束条件的解称为非法抗体;任何抗体及非法抗体均采用0、1字符与整数编码构成的混合编码表示,其由两个基因块构成,表示为

$\begin{array}{l} x_{1} = b_{1} b_{2} \dots b_{Ν}, b_{i} \in {0, 1}, i = 1, \dots, Ν \\ x_{2} = c_{1} c_{2} \dots c_{Ν}, c_{i} \in {1, 2, \dots, Τ}, i = 1, \dots, Ν \end{array}$

进而抗体及非法抗体表示为

$x = b_{1} b_{2} \dots b_{Ν} c_{1} c_{2} \dots c_{Ν}$

通过改进克隆选择算法中的初始群体生成方式及变异操作,获得改进的克隆选择算法(ICSA),其运行机制如图1所示。

在图1中,初始群体及募集新成员均由抗体构成,即可行解,其获取的方式由抗体生成规则产生;抗体的评价以及突变规则将在第4节中详细介绍;细胞繁殖对父代抗体群中各抗体克隆若干个克隆细胞,获得子代抗体群;克隆选择模块中,经突变后的若干个抗体与其父代抗体一起进行比较,保留亲和力较高的抗体进入新群体;由于父代抗体参与选择,使得当前最优抗体始终得到保留;群体更新模块将新群体中亲和力较低的部分抗体淘汰,由相同个数的新成员填补,构成下一代群体进入下一次循环。

4 算法描述及算子设计

4.1 算法描述

问题(P)的解所在空间为:

$\begin{array}{l} S = {x | x = b_{1} b_{2} \dots b_{Ν} c_{1} c_{2} \dots c_{Ν}, b_{i} \in {0, 1}, \\ c_{i} \in {1, 2, \dots, Τ}, i = 1, \dots, Ν} \end{array}$

于是该问题的求解目的是在S上寻求最优解x*,使得此问题中F(x)达到最小。

给定抗体群X,其抗体在群体中的重要程度根据其亲和力进行度量,抗体Ab的亲和力设计为:

$\begin{array}{l} a f f (A b) = \frac{F_{\max} - F (A b)}{F_{\max} - F_{\min}}, \\ F_{\max} = \max_{A b \in X} {F (A b)} ‚ F_{\min} = \min_{A b \in X} {F (A b)} (7) \end{array}$

其中,Fmax,Fmin分别为群体X的所有抗体的亲和力中的最大值与最小值。式(7)表明,群体X中的抗体的亲和力越大,该抗体识别抗原的能力就越强,反之则越弱。于是基于以上图1及抗体的亲和力设计,ICSA算法可描述如下:

Step1: 依据抗体生成规则,产生规模为N的初始抗体群An,置n=1;

Step2: 计算An中各抗体的亲和力;

Step3: 将An中各个抗体克隆q个,构成规模为qN的群体Bn;

Step4: Bn经过亲和突变,获规模为qN的群体Cn;

Step5: 将An中各抗体与其经过克隆、突变后的克隆进行比较,保留母体与子代中亲和力较高的抗体,获得群体Dn,其规模为N;

Step6: 按初始群体生成方式产生d个新抗体代替Dn中亲和力较低的d个抗体,获An+1;

Step7: 若满足终止条件,则输出结果,并结束; 若否,则置n=n+1,返回Step2。

4.2 算子设计

(1)抗体生成规则

生成抗体的关键是对问题(P)中约束条件的处理;若完全随机地对基因bi及ci赋值,很容易产生非法抗体。受资源受限单项目调度问题中平行式编码[9]方法的启发,生成抗体的方法是,在时间段T的第l天(l从第1天开始),从所有项目中找出在第l天执行时不超出资源和时间限制的项目,这些项目构成一个集合,从该集合中随机抽取一些项目,其满足执行时不超出资源限制,这些项目将被执行且执行时间定为第l天,由此确定其基因值bi=1,及ci=l,若所有项目的执行均超出资源限制,则l=l+1,直至l=T.)该方法中,被执行的项目是在符合条件的项目集合中随机抽取,即抗体基因值的产生是随机的,因此初始抗体的产生具有某种意义下的随机性;另外,各抗体的基因值在约束条件的范围内产生,保证了初始抗体不是非法抗体。

(2)亲和突变

在克隆选择原理中,亲和成熟过程本质上是克隆细胞不断重复遭受变异的过程, 因此, 亲和突变算子是算法ICSA中极为重要的模块,也是能否找到最优解的关键,其最重要的是要保证抗体的克隆细胞经过突变后不是非法抗体。突变的主要思想是:对已有的计划方案,随机抽取T天内一时间段,重新调整该时间段内的项目计划,具体表示为:给定一个抗体x=b1b2…bNc1c2…cN,取定一个正整数λ,λ<N,在1到N中随机抽取i1(i1∈V),找出i2,使 $| c_{i_{1}} - c_{i_{2}} | = \min_{j \in V ‚ j \neq i_{1}} | c_{i_{1}} - c_{j} |$ ,依次类推,得i1,i2,…,iλ,置bi1=bi2=…=biλ=0, ci1=ci2=…=ciλ=0,且置V=V-{i1,i2,…,iλ};在 $Τ_{1} = \min_{j = 1, \dots, λ} c_{i_{j}}$ 到 $Τ_{2} = \max_{j = 1, \dots, λ} (c_{i_{j}} + t_{i_{j}})$ 之间,按抗体生成规则重新为部分基因赋值,这样,便得到突变后的抗体。

5 数值实验

由于多项目选择计划问题不曾被报到过, 因此没有直接用于解决该问题的方法, 在此首先采用基于优先准则的启发式算法确定求解方案,该方法类似于资源有限的网络计划中常用的基于优先准则的启发式算法, 使用简单、计算速度快, 并能找到可行解。选取四种基于优先准则的启发式算法与ICSA进行比较,即最长持续时间准则(LongT)、最大资源需用量准则(MaxR)、最大总工作量准则(MaxTW)、最短松弛时间准则(MinS)[10],由于此四种算法均为确定性算法,因此当它们求解下列每一个问题时, 仅各自执行1次;另外,ICSA是一种启发式随机搜索算法,为减少随机性对算法性能的影响,将算法ICSA对以下各问题独立运行30次;该算法的参数设置为:最大进化代数Mgen=300,群体规模N=30,新成员个数d=5,变异概率pm=0.8,突变算子中λ=5。

问题设某企业在未来时间段T=120(天)中有40个项目待执行, 分别消耗3种资源, 每天消耗的第1、2、3种资源限量分别为12、10、12,在T天内所消耗的各种资源的总和分别不能超过总限量1400、1200、1400,其它数据如表1所示。此问题对应的模型(P)是一种80维的高维混合优化模型。

由表2可知, 参与比较的算法均获得了40个待执行项目中被选中执行的项目以及各自的执行时间, 即此问题的决策方案,这表明模型(P)具有很好的合理性。在这些方案中, 四种启发式算法所获的最好目标值和决策方案均不相同, 这说明不同的启发式准则对同一问题的处理效果不同; 算法ICSA在30次所获目标值的平均值为0.201545,最好值为0.179045,此表明,算法ICSA在解决这类问题时搜索效果好于参与比较的四种启发式算法,能获得满意的决策方案。表2中算法ICSA在30次运行所获目标函数值的方差较小,说明算法搜索具有一定的稳健性。另外,图2显示出算法ICSA在30次运行中对该问题目标函数值的平均搜索进程;可以看出,算法在搜索过程中没有陷入局部搜索,且随着代数的不断增加,算法还可能获得更好的解。

6 结论

对企业中多资源约束下多项目选择计划问题,建立了相应的数学模型,设计了一种改进的克隆选择算法,该方法结合启发式规则,避免了在寻优过程中产生非法解的现象,克服了问题中约束条件多这一难题。数值实验结果说明了改进的算法处理资源受限多项目选择计划的有效性,且也说明了本文建立的模型的合理性。由于多项目计划管理问题比较复杂,本文无论是模型还是算法的探讨上,均仅是一种尝试性研究,如何提出更加完善的模型和更好的算法,都需作不懈的努力。

参考文献

[1]蒋景楠等.多项目管理探究[J].技术经济与管理研究,2006,(2):83~85.

[2]谈烨等.多种资源受限多项目排序问题的两层决策方法[J].系统工程理论与实践,2001,21(2):1~5.

[3]廖仁等.资源约束下多项目调度的启发式算法[J].管理工程学报,2002,16B(10):100~103.

[4]寿涌毅.资源约束下多项目调度的迭代算法[J].浙江大学学报,2004,38(8):1095~1099.

[5]王为新等.多项目资源均衡问题及其遗传算法[J].计算机应用研究,2006,23(12):46~47.

[6]郭研宁等.利用遗传算法求解多项目资源平衡问题[J].系统工程理论与实践,2005,25(10):78~82.

[7]De Castro L N,et al.Clonal selection algorithm withengineering applications[A].Workshop Proceedingsof GECCO,Workshop on Artificial Immune Systemsand Their Applications,Las Vegas,USA,2000,7:36~37.

[8]黄席樾等.现代智能算法理论及其应用[M].北京:科学出版社,2005:20~22.

[9]Hartmann S.A self-adapting genetic algorithm forproject scheduling under resource constraints[J].Naval Research Logistics,2002,49:433~488.

论人力资源优化论文篇5

摘要：工作岗位分析是人力资源的一项极重要功能，它与人力资源管理的许多活动都有关联。工作设计、工作岗位分析及工作说明与工作规范均围绕着“工作”来进行，以中船第712为例，从工作岗位分析上来评价一个工作职位的存在价值确实是可行的，进而透过合理的分析更可达到工作丰富化与多样化的目的。工作分析是一种在组织内所执行的管理活动，专注于收集、分析、整合工作相关信息，以提供组织规划与设计、人力资源管理及其它管理机能的基础。

关键词：岗位分析;人力资源优化

每年我所引进人才前，各部门根据岗位需求将本部门人力需求报干部人事处，干部人事处进行分类汇总后交所办公会讨论，通过后制定全所招聘计划。我所人力需求多寡除进行优化工作设计外，完善的工作分析能避免招错人、多招人等不良情形。

1 工作分析的目的

1.1 组织规划

干部人事处在动态的环境中分析组织的人力需求，所以必须要获得广泛的信息。在组织内，工作任务的分配状况可从工作分析中得到较详细的资料，这些资料可以作为利润分配时的准绳。另外在我所组织不断发展中，工作分析可作为预测工作变更上的基本资料，并且可让该职位上的员工或各部门领导预先进行准备以应对改变后的相关工作。

1.2 工作评价

工作评价依赖工作分析以说明所有工作的需要条件与其职务和工作间的相互关系，并指出哪一部门应包含哪种类型工作。如果缺乏这类决定工作相对价值的事实资料，则干部人事处单凭书面定义来从事于缜密的评价工作是不可能的。

1.3 招聘

各部门说明岗位专业知识技能的标准，以及相关工作经验的要求，可以作为干部人事处及各部门领导对该岗位新进员工进行考量的标准，而且在招考新进人员时，干部人事处和用人单位可就工作分析当中所得到的职责范围内所需的专业知识、技能，制作笔试、口试及实践操作试题，以测出应聘人员实力，作为录用的依据。

1.4 建立标准

工作分析可提供机构中所有工作的完整资料，对各项工作的描述都有清晰明确的全貌，进而指出错误或重复的工作程序，以发觉工作程序所需改进之处。所以工作分析可谓为简化工作与改善程序的主要依据。

1.5 员工任用

干部人事处在选拔或任用员工时，需依靠工作分析的指导，才能了解哪些职位需要哪些知识或技术，以及如何将适当的人才安排到适当的岗位上。

1.6 职业生涯管理

在既定的工作架构及内容下，干部人事处从“纵”的方面去整合不同过程的工作，以达到工作丰富化，而在既定的工作架构及内容下，从“横”的方面去增列相关度较高的不同工作，以达到工作多样化。干部人事处将此作为教育培训规划及培训需求调查的基准，以遴选出需要培训的员工，再根据各部门需求及员工个人能力与兴趣，提供培训发展机会，并作为员工职业生涯规划的重要参考资料。

1.7 培训

工作分析说明，列出所需职务、责任与资格，在指导培训工作上有相当的价值。有效的培训计划应该列出培训所需的准备工作和培训安排，诸如培训目标、培训内容、培训时间、培训对象、培训师资、培训性质等。

1.8 绩效评估

绩效评估指的是将员工的实际绩效与组织的`期望做一比较。干部人事处透过工作分析可以决定出绩效标准，设定各项加权比重及绩效考核制度中的评量标准与我所经营总目标、员工个人调薪标准等。

1.9 其它

工作经过详细分析后，还有许多其它的效用，如有助于工作权、责、利范围的划定;改善劳资关系，避免员工双方因工作内容定义不清晰而产生的抱怨及争议。此外，工作分析对人力资源研究与管理、工作环境、人事经费、转调与升迁等都有重要意义。

2 工作分析的方法

2.1 重大事件法

是由熟悉工作的专家去找出工作中对绩效有重大影响的行为。

2.2 面谈式

可以采取个人、小组的方式来进行，其进行的原则为：

(1)与主管密切配合

(2)与被面谈者尽量建立融洽的气氛

(3)准备完整的问题表格

(4)要求各部门领导依工作重要性程度依序列出

(5)收集整理后的资料让各部门领导阅览，以利补修。

2.3 工作条件法

是研究职工本身的信息，根据工作内容确定工作所需的知识、技能、态度及个人特质。将每种要素分为四种尺度，让职工在从事一项新工作时知道所必须具备的技能是什么，以及应该接受的培训有那些。

2.4 职位分析问卷

分为六大内容：(1)信息输入：职工在何处及如何得到工作必要的信息;(2)心里过程：在工作中推论、决策、计划、处理信息过程;(3)工作输出：在工作中物质的活动，使用工具装置;(4)与他人关系：在工作中与他人的关系;(5)工作内容：物质的与社会的内容;(6)其它特征：与上述提过的活动、条件、特征不同，但与工作有关。

2.5 功能性分析

以一个标准化的格式去搜集工作的全部信息，然后依照工作的功能等级或功能导向去评定它。

2.6 门槛特质分析

第一，需求及工作分析，说明工作任务。第二，标准工作特质，说明所需特质。最后，技术职能分析，说明所需技术。

3 工作分析的步骤

3.1 决定用途

(1)非计量性-适合编写职位说明书

(2)计量性-可比较各工作的数值以利薪酬高低考虑

3.2 收集背景资料

就现有组织图、流程图及职位说明书了解所欲分析工作的各种关系

3.3 选择代表性的职位

3.4 收集各种工作分析的资料

3.5 让职工及部门领导认可收集到的资料

3.6 编写职位(岗位)说明书

通常工作分析会产出两种信息：岗位说明书、工作规范。

岗位说明书与工作规范最大的不同，在于工作说明书是以“工作”为主角，而工作规范是以担任某工作的“员工”为主角。

(1)岗位说明书：是一个关于工作任务与责任的载体，它描绘出某特定工作的任务、职责、工作情况与活动，是工作分析后的书面摘要。

典型的岗位说明书内容常包括工作基本资料(名称、类别、部门、日期)、工作摘要(目标、角色)、直属主管、监督范围、工作职责(每日、定期、不定期)

(2)工作规范：职工在执行工作上所需具备的知识、技术、能力和其它特征的清单，工作规范是工作分析的另一项成果，有时与岗位说明书并不分开。主要包括工作行为中被认为非常重要的个人特质，针对“什么样的人适合此工作”而写，这是人员甄选的基础，内容以工作所需的知识、技术、能力为主。

岗位说明书是在描述工作，而工作规范则是在描述工作所需的资格，工作规范主要是以指导如何招聘和选用人员;目前大部份为简化程序，工作岗位说明书与工作规范通常可以合二为一，工作规范就成为工作说明书中职位担任人员所需资格条件的一项。

从工作分析谈人力需求，具有正面意义。干部人事处在做各项人力需求精确预估时，应以明确有效的资料或统计报告来支撑，在行政工作难以量化情形下，唯有靠详尽的工作分析才能制订出人力需求计划与所需人力规格。人力需求应建立在科学化的分析基础上，而不应植根在凭直觉的经营模式，因为需求人数一旦确定，随之而来的将是每月固定的用人费用(包含：招聘、培训及其它事务性费用与薪资)，所以，一份好的工作分析有助于我所透过人力资源管理运作与我所政策搭配，以此来提升人力素质(包含：人力需求计划制定、职工效率、职工对我所向心力等)，当然我所的工作分析应随时空移转而随时更新，更新本身即具有工作重新定位与工作重新分配的效果，藉此来平衡内部组织气氛。人力资源的良莠将是未来竞争出奇制胜的最佳利器，干部人事处更应调适自我在策略性人力资源管理与作业性人力资源管理上的比重，以我所政策为导向，以长远规划为我所培养接替人才，而不应拘泥于行政作业束缚。十倍速时代的来临告诉我们，如果我们无法赶上时代进步的脚步，将会被时代淘汰，面对我所未来人才需求，干部人事处更应做好长期规划，打造出最具竞争力的团队，这将是我们干部人事处非常重要的使命。

参考文献

[1]吴叔平，虞俊健.股权激励[M].上海：上海远东出版社，.

[2]辛向阳.薪资革命[M].北京：企业管理出版社，.

优化使用有限的资源篇6

你们好！

冒昧给你们写信，惶恐之余，还望得到贵团队的指点，这里首先道声谢谢!

一直以来，我在一家国内较大的医药上市公司从事销售方面的工作，自觉积累了许多营销经验。这几年自己手头也有了十几万元积累，很想找机会自己干一番事业。

前几个月，我了解到一种保健品在N市很畅销。方法很简单，整版广告一上，消费者就抢购。我觉得这是个好产品，为了稳妥起见，亲自到N市做了调查。

读罢此产品在N市报纸上的广告，我认为这个产品很有卖点，而且据营业员介绍产品销得确实不错，于是我打电话向厂家咨询产品的具体情况及代理资格。厂家的李先生给我详细介绍了产品的优点及“精彩的”策划方案，还把几个畅销城市给我做了介绍，而且告诉我本地区有几家公司也正在跟他们谈。虽然我揣测李先生的后几句话可能在编故事，但心里却也怕代理权真的被别人抢了去。我想自己有这么多年的销售经验，也早想试一试，凭自己的感觉这个产品肯定能成。于是靠着自己多年练就的谈判经验，不但把对方的供货价压低了许多，而且还争取到首批只进2万元货的优惠政策。

我所在的W市本就是一个中等城市，一个半小时就能从城东骑自行车到城西。厂家把货发来后，我用了不到一周时间就把产品铺了下去。

可第一个整版广告上去，只接了几十个咨询电话，送货达成的没有，终端只有几家动了几盒，此情此景我心里真有些发毛。虽说本地不是大城市，可那一个整版报纸广告费用将近4万元呢!对我来说已是“巨额投入”了。我跟厂家说明情况，对方告诉我，继续投，肯定能成，而且某地区开始和我的情况类似，现在销售已经达到××万元。

事到如今退肯定不行，几万元血汗钱就这么扔了说什么也不甘心。思来想去我把心一横，决定再赌一把，俗话说，撑死胆大的，饿死胆小的。

好运并没有因为胆大就眷顾我，又一个整版广告下去。我如坐针毡般等待，可市场仍是没什么反应。不妙的是工商局却找来了，说广告夸大宣传，必须过去接受处理，否则……

两个整版下来，我几乎弹尽粮绝。打广告已是没钱了，还必须处理工商方面的事。我曾经豪情万丈，这下变得通体透心凉，我该怎么办呢?就此停下，终端又不走货，想想自己的血汗钱，想想老婆、家人的叹息，真有一失足成千古恨之感。现在，我不知道这个市场还要不要做?怎么去做?

我经销的产品主要功能是调节血脂，主要诉求点是“洗血”，即清洗血管中的血垢，软化血管，降低血液粘稠度，达到降血脂、调血压、预防中风等疾病的目的。蜥蜴团队是医药保健品行业的专家，如果能帮我度过这一劫，我万分感激！

求救者；郑起郑先生：

您好!

首先，感谢您对蜥蜴团队的信任。接到来信，说心里话我们也感到很为难，因为仅仅根据一封信就给您提出建议，显然是不负责任，一个产品要成功需要做好的工作是很多的。可看到您对我们如此信任，如果不谈点想法，心里也很过意不去。因此，在这里只能凭经验谈些思路，仅供参考。

失误与不足

从来信分析，我们认为您在操作产品的过程中犯了些严重的错误。

一、机械地对别人的营销模式进行复制。

我国各地区市场环境差距很大，消费者的购买意识、购买能力、购买习惯更是千差万别，在某个城市销售火爆的产品，换了地方就可能无人问津。如果不结合当地实际情况，把别人成功的广告拿来就上，不客气地说这是很愚蠢的行为。

最近一年来，在医药保健品市场，许多厂商不计成本地以整版的报纸广告，大密度地砸向市场，也确有许多人赚的盆满钵溢，但那是实力较强的坐庄者所做的事，不是小经销商能吃得消的。您的资金有限，上来就打整版，显然犯了机械复制的错误。

一个整版广告投下去，咨询电话量很少，几乎没有达成销售，按一般情况判断是广告文案销售力不够；如果在其他城市的效果很好，那说明本地消费者的消费意识与其他地方差别较大，需要调查当地人的喜好，再对广告进行调整；如果广告刊出后，热线咨询电话量巨大，销售达成的比例很小，按照一般情况判断，问题大多出在产品价格、销售渠道等方面。

您在第一个整版广告效果不佳的情况下，跟厂家探讨后又投出一个整版，我们认为对方可能觉得效果不好的原因是广告量不够。这里要提一下的是，有些产品的市场导入期需要较长的时间，广告量不够销量是起不来，但这一般是需要进行大规模市场教育的新概念产品。对于您经销的产品，仅以来信我们无法给出明确的判断，但从信中所讲分析，无论此产品推广是否需要教育，可以肯定的是，您根本，就没有持续的投入能力，再上一个整版这种思路就是错误的，原因仍是出在不按自己的实际情况出发，机械地想复制其他城市的成功模式。

二，对产品导入期的广告投入量严重估计不足。

您可能认为，别的地方一版广告就实现了盈利，自己肯定也行，所以才会决心“赌一把”。从信中我们判断，该产品还没有形成全国市场相互呼应之势，只是区域性运作，类似单兵作战，每个市场导入期的长度肯定不一样。您用整版启动市场，除了想复制别人的方法外，另一个错误就是对产品导入期的广告投入量估计不足，才会导致两个整版后后续资金几乎断流。如果能换一种思路，提前想办法整合资源，就不至于出现目前的被动局面。

十几万资金能否启动一个中等城市?我们认为关键在于如何运用，按整版广告出击当然捉襟见肘，但如果巧妙运作完全有可能通过借势以小博大。

举一个和您情况相近的例子：我们的一个经销商，也只有十几万的资金。启动市场前，他把钱分出一部分用于对下面的市、县进行招商，一部分钱压在报社，然后签定广告合同，进行广告投放。这样一边从下级经销商那里找来几十万元资金，一边从报社拿到了很低的折扣，为市场启动打下了良好基础。当然，这个例子只是一个参考，如果营销的大策略错了，这种方法可能意味着更大的风险。

三、做市场不理智、情绪化。

从信中的介绍看，您操作市场的做法很不理智，情绪化。做产品也好，操作市场也罢，有时运气确实起到不可低估的作用，但如果不扎扎实实做好营销的基本功。去盲目地拼搏注定会失败。

市场上有许多人抱有这种心态：“撑死胆大的，饿死胆小的”，“想想几万元血汗钱，想想家人的叹息，一失足成千古恨”。这样的心态导致他们很脆弱，销售火爆，就以为自己无所不能；如果落败，又斗志全无。以这种心态操作产品最要不得，因为市场有时就是充满风险的战场，成功需要激情，更需要坚韧不拔。

虽然您亏掉些血汗钱，但大可不必如此沮丧。从来信看，您还有起死回生的机会，需要总结教训，这时如果信心没了、胆怯了，那真的就会彻底输掉了。

四、过于依赖广告传播，忽视其他营销手段。

信中主要介绍了广告操作的失败，没有言及其他营销方法。从信中介绍分析，我们判断您像是过于依赖广告传播，而忽视其他营销手段。俗话说，三分策划，七分执行。实际上如果广告做的热火朝天，而渠道选择失误，终端“临门一脚”踢不好，同样不能卖货；如果广告效果不佳，但终端搞好推广，销量也可能会很可观。这点需要您反思一下，除广告外，在操作上是否有顾此失彼之处。仔细检验自己的渠道、终端、促销、业务流程及人员管理等方面，相信您一定会有所收获。

五，忽视地政关系对市场的监控力度。

最后提到的一个就是“地政关系”的处理。由于现阶段许多经销商急于去淘“第一桶金”，在医药保健品宣传上或多或少存在违规的地方。为净化市场，打击不法厂商，这几年各地政府加大了执法力度，忽视这种政策面改变的厂商，无疑在运作产品的过程中加大了投入的风险，许多医药保健品就栽在这上面。

我们的忠告是政策面的风险猛于虎，如果不能摆平此风险。就不要着手做宣传。对您来说，现在应该立即进行公关，只有这“关”过去了，才能言及其他。

选择适合的营销策略

说了这么多，那么您还要不要做这个产品?该如何做呢?由于不了解详情，不好做出主观的判断。这里介绍一些我们自己的营销思路和战术，可能一定程度上会帮您解除目前的困惑。

一、通过终端的拦截、包装、宣传。激励等措施进行销售。

这种方法对现在的医药保健品市场来说是个很普通的营销手段，业内几乎人人都会用。虽然如此，但对您目前的情况看，却是科成本低、见效快的方法。

俗话说，戏法人人会变，巧妙各有不同。尤其是通过终端激励进行终端拦截，只有精心操作才可能胜人一筹。孙子说，凡战者，以正合，以奇胜。这里可理解为，先把终端等“正”的工作做扎实。再出“奇”招抢占市场。

今年以“洗血”为诉求的保健品，市场上有好几个产品在鏖战，抓准切入点，不愁分不到一杯羹。

二、“走弓背路”促销售。

“走弓背路”顾名思义就是不走直线，绕弯走。举个例子，一个朋友只有两三万元，也代理了一个产品，在当地做传统的电视、报纸、电台等广告，他的钱太少，也没钱进大连锁药店，因为现在这些连锁大药店不仅都收进场费，而且价码越来越高，小经销商根本没法做。

于是他在当地选择了三家较好的个体药店把货铺进去，这时一般的做法。是在药店设专人做场内或场外促销，他在此做法的基础上稍微做了改变，在其中一家药店的二楼民居内，设了一个咨询处，请了一位退休医生做咨询。当顾客去药店买药时，促销员对顾客说可到二楼让医生做个诊断。有医生免费看病，许多人很乐意上去，这样在医生的说服下，顾客往往毫不犹豫做出购买决定。

为什么不在药店内，非要绕个弯到二楼设咨询?

1．二楼虽是免费咨询处，但布置的极像门诊，顾客在这里的感觉和药店大不一样。

2．只要把顾客请到咨询处，就能相对回避其他厂商产品促销员的直接竞争。

3．在医生的诊断下，顾客往往一买就是一个或几个疗程的产品，而在药店内达成这样的效果难度就大的多。

4．药店内只能设药师。不能让医生看病，而在咨询处设个医生几乎无人干预。当然咨询处医生也不开方，以说服为主，实在不行顶多开个建议处方，也是“擦边球”。

这种销售方式创新的核心是交易地点的改变，我们把它命名为“走弓背路”。“走弓背路”的营销战术为那位朋友赢得了第一桶金，您是否能触类旁通走出一条自己的特色之路呢?

三、调整传播的力度和频率。

如果走传统渠道运作保健品，不做广告一般说来不会有很大的销售量。但在保健品行业许多人有个错误认识，觉得保健品就必须狂轰乱炸般做广告。

我们经过多次的实践，认为保健品是个以小搏大的行业，小投入大产出完全有可能。以北京市场举例，今年许多医药保健品通过报纸广告，整版整版地砸向市场进行恶炒时，我们运作的一个治疗痔疮的产品反其道而行之，通过策划，几乎都运用小于1／4的版面就很快打开了北京市场。您通过调整传播的力度和频率，配合其他的营销手段，应当也是可以成功的。这里要强调的是，一定要利用好“电话销售”这个平台。我们自己的实践证明。广告传播时“咨询电话与上门送货”结合的销售威力，相当于一个黄金地段的终端。因此建立一个与广告相结合的话务中心，您应认真考虑一下。

四、尝试新模式，如会议营销与传统营销方式的结合。

许多新的营销模式都是被市场逼出来的，您在把销售渠道等基础工作做好后，应尝试一下其他模式。比如，把会议营销与传统渠道结合起来，可能适合您目前的情况。虽然会议营销有时投入也很大，但它比起传统的媒体广告，效果更具预见性和控制性，相对说来风险小得多。

项目资源优化篇7

资源管理作为项目管理九大知识体系的重要组成部分[1], 是关系项目成败的核心要素之一。而软件开发项目与传统工业生产项目的区别在于其核心资源是人力资源[2]。研究表明在软件项目中不同的人员从事相同的任务其生产率差距可达10-40倍[3], 因此研究人力资源的优化分配, 对确保软件项目成功具有重要意义。在软件项目管理实践中, 由于频繁的人员流动、地理分布式开发和自动化支持工具的缺乏, 项目经理通常仅依靠其经验或直觉对人员进行分配[4], 这种主观性的决策方式常常导致较低的人力资源利用效率和人员满意度, 进而影响项目进度和产品质量。因此, 需要提供客观量化的方法和工具为项目管理人员提供决策支持, 以提高人力资源利用效率, 确保企业在有限的人力资源下获得最佳收益[5]。

在为软件开发任务匹配人力资源时, 人员的技术能力是首先被考虑的因素, 而人员的非技术能力同样不容忽视[2,6]。技术能力即人员完成软件任务所需要的最直接的知识、经验和能力[7], 而非技术能力指除技术能力之外的一切可开发, 可利用的能力。软件开发中不同类型的任务对人力资源的技术需求和非技术需求各有不同, 进行人力资源分配时需要对这种差异进行考虑。本文提出一种综合人力资源技术能力和非技术能力的任务人员优化匹配方法。方法在考虑人员技术能力和任务需求的同时, 加入非技术能力同任务需求的相关性。方法中的非技术能力来自于心理学领域中定义的性格能力 (心理学家通常通过人力资源评价方式 (assessment center method) [8]来测试人员性格, 这种方法关注与人员性格相关的能力, 即性格能力) 。

根据软件开发任务的特点, 我们将20个与软件开发相关的性格能力[9]进行归并整理。将软件组织中的常见任务类型进行细致的划分和定义。通过问卷调查获得任务类型的性格能力需求关系以及16PF-5性格因子[10]与性格能力的关系。调查共向国内外10家软件公司的项目经理、开发人员发放176份问卷, 回收到148份有效回馈, 该调查结果可为方法中指标的量化、人员性格与性格能力的数据映射关系的确定提供参考数据。方法首先对性格能力进行抽象和定义, 然后通过问卷调查的方式对性格能力的映射关系进行数据收集和量化, 提出基于性格能力的人员和任务匹配算法。实验表明, 方法和工具能够帮助项目经理在制定资源计划时对有限的人力资源进行优化分配, 能够对项目生产率和人员满意度产生积极的影响。该方法可为人力资源的优化调度提供底层支持, 帮助软件企业提高资源利用率和生产效率。

1 相关研究

1.1 人力资源调度

针对软件项目资源调度中人力资源分配问题的分配策略有很多种。文献[11]通过遗传算法、模糊理论等进行软件过程资源分配的仿真, 但最优解往往是不确定的, 且任务分配的复杂度较高。文献[15]提出基于搜索的人力资源分配模型, 用于评估项目规模、时间成本。该模型更适用于项目过程的整体监管, 而不适用于具体任务的人员选择。文献[5]提出的一种基于收益的资源调度方法, 它对软件过程中投入的资源进行收益定义 (包括人力资源) , 抽象出资源调度优化模型。这些方法的主要研究目标是获得资源分配模型的最优解或者次优解, 强调全局软件过程的优化, 其不足在于仅将人力资源作为全局分配中的一种可消耗资源, 而没有考虑人力资源的能力复杂性和能力差异性。

人力资源是确保软件产品质量的重要保障。如何挖掘更多人力资源的特性, 并且使其与软件项目需求相匹配是项目资源调度的重要研究方向之一。文献[7]中提出的一种基于组织实体能力的调度方法, 在进行人力资源调度时考虑人员所拥有的技术方面的知识、经验和能力;文献[9,17]通过识别项目人员性格同任务需求相关度, 提出根据任务的性格能力需求与人员性格能力匹配从而进行人力资源分配的方法, 同时表明了不同的任务对人员的性格能力有不同的要求。如今的软件开发活动越来越复杂, 多任务并行执行和不同类型任务串行执行是软件开发中的常见现象。本文在文献[7]的基础上, 不仅考虑软件项目中不同任务技术能力需求与人员技术能力的相关度, 还考虑不同任务性格能力需求与人员性格能力的相关度。基于软件项目中不同任务对任务承担者性格能力上的需求, 通过挖掘软件过程中人力资源的性格特征并设计综合匹配算法, 使人力资源调度的任务分配变得更合理。

1.2 16PF-5性格测试

在软件组织的人力资源招聘和人力资源管理中, 心理学性格测试的方法得到了广泛的应用[18]。比如, NEO个性测试通过测试人的大五性格 (情绪稳定性 (N) 、外向性 (E) 、开放性 (O) 、宜人性 (A) 、责任感 (C) ) 确定一个人的性格倾向[19], 用来进行职业指导;MBTI职业性格测试则使用相关对 (外向E—内向I、感觉S—直觉N、思考T—情感F、判断J—感知P) 的偏向来确定个体的职业性格偏向, 以确定人员的适合职业[20]。

本文中使用的16PF-5 (卡特尔十六种人格因素测验Sixteen Personality Factor Questionnaire, 简称16PF, -5的含义为第五版本) 性格测试是一种被广泛使用的人员性格心理学测试方法。它可应用于心理咨询、人员选拔和职业指导等各个环节, 为人事决策和人事诊断提供个人心理素质的参考依据。它可以直接测试出人员的16种性格特征, 并且还发展出一系列公式, 利用前面16个量表的分数以及这些公式, 还可以计算出一些二元人格特征, 包括焦虑性、外向性、安详机警性、果敢性等[10], 利用结果可以解读测试人员的性格特质, 在职业选择、任务选择上给予指导。

2 任务人员优化匹配方法

在为软件项目制定计划时, 需要为各个拆分出来的任务分配足够的各种资源。而各种资源中最重要的是人力资源。人员运用自身的能力来满足任务的需求以完成任务, 合理的人员任务分配需要考虑任务的能力需求和人员的具体能力二者间的匹配。

任务人员优化匹配方法的整体框架图如图1所示。方法考虑两方面的任务需求进行任务人员匹配, 分别是技术能力需求和性格能力需求, 将任务技术能力需求与人员技术能力的匹配, 任务性格能力需求和人员性格能力的匹配进行综合, 得出匹配结果。该匹配结果可以为软件项目资源的优化调度提供底层支持。

我们将技术能力SC (Skill Capabilities) 定义为如下的三元组, 该描述方法参考文献[7]中对组织实体能力的描述。

SC= (domain, skill, level) (1)

式中, domain表示技术领域, skill代表具体技能, level代表该项技能的经验, 其中经验level用工作时间 (月) 表示。

人员的技术能力PC (Personal Capabilities) 表示为如下的技能集合:

PC={SC1, SC2, …, SCn} (2)

例如, PC={ (web, java, 12) (web, css, 18) }, 表示该员工在技术能力上拥有两项能力, 分别是Web领域Java开发12个月的经验, Web领域Css开发18个月的经验。

我们重点关注人员性格能力的描述以及任务性格能力需求和人员性格能力间的匹配方法。在任务的性格能力需求与人员的性格能力匹配中, 需要定义软件项目中的任务类型以及各自的性格能力需求, 定义人员的性格能力以及描述方法。为获得任务类型的性格能力需求以及人员性格测试16PF-5中性格因子与性格能力之间的关系, 还需要设计一份调查问卷以从业界获得相应的数据。

整体流程如图2所示。

采取如下五个步骤进行:

1) 定义任务类型以及各自的性格能力需求;

2) 定义人员的性格能力及其描述;

3) 调查问卷的设计、发放和回收;

4) 数据分析;

5) 设计匹配算法;

接下来对每个步骤进行详细说明。

2.1 任务类型及其性格能力需求

软件项目中, 项目目标被分解为独立的一系列任务。虽然任务各自的形式和内容会有所不同, 但可以将这些任务划分为有限的一些任务类型。因此, 将任务根据任务类型进行分类, 然后定义每个任务类型所需要的性格能力需求以确定特定任务的性格能力需求, 是一个简洁有效的研究途径。

在不同的软件组织中, 由于各自的开发任务和组织方式等不同, 会存在不同的任务类型, 需要根据自己组织的特点和情况, 定制自己组织的任务类型集合。我们在参考现有的开发模型, 并进行讨论及专家意见的基础上, 确定了常见组织中的任务类型, 包括如下九种典型任务类型:① 调研;② 需求;③ 设计;④ 编码;⑤ 测试;⑥ 部署;⑦ 指导;⑧ 技术支持;⑨ 质量控制。

上述九种任务类型可以涵盖软件项目的常见基本任务类型, 企业也可以根据实际情况对任务类型进行自定义和扩充。在调查问卷中我们设计这些任务类型的性格能力需求列表, 用来调查这些任务类型的性格能力需求 (详见2.3节问卷调查) 。

2.2 人员性格能力描述

为确定一个人员的性格能力, 我们采用16PF-5性格测试, 它是美国伊利诺州立大学人格及能力测验研究所卡特尔教授经过几十年的系统观察和科学实验, 以及用因子分析统计法慎重确定和编制而成的一种精确的测验。这一测验能以约四十五分钟的时间测量出十六种主要性格特征—用16个性格因子标识, 凡具有相当于初三以上文化程度的人都可以使用。

十六种性格因子是各自独立的, 相互之间的相关度极小, 每一种因子的测量都能刻画测试对象某一方面的性格特征。通过被试性格的十六种不同因子的组合, 可以全面地评价测试对象的性格特征。

人员完成16PF-5性格测试后, 得到一份有16个性格因子标识的结果表, 为获得人员的性格能力描述, 需要确定16PF-5性格测试中的16个性格因子与性格能力之间的关系。我们采用调查问卷的方式来确定这个关系 (详见2.3节问卷调查) 。

16PF-5性格测试中共有16个因子 (乐群性、聪慧性、稳定性、支配性、兴奋性、责任性、敢为性、敏感性、怀疑性、幻想性、世故性、忧虑性、开放性、独立性、自律性、紧张性) , 每个因子有“+”“-”两个极向, 共32种性格因子极向, 例如因子C为稳定性, 若一个人得分为C-代表他的情绪不稳定, 得分为C+代表他的情绪稳定[10]。

为明确指代, 我们在接下来的文章中将一个性格因子的“+”“-”极向作为两个性格因子, 故认为有32个性格因子。在文献[9]中, 作者给出了一个16PF-5性格因子与性格能力的关系表格, 在表格中, 有部分因子并未对性格能力产生影响。因此在调查问卷中, 为简化起见我们只采用对性格能力有影响的15个因子。这些因子的代号及其含义见表1。

2.3 调查问卷

调查问卷的目的是为调查在软件项目中, 人员的性格因子与性格能力之间的关系, 以及软件项目中特定任务类型的性格能力要求。

调查问卷设计所涉及的因素以及其确定方法如下:

(1) 性格能力心理学家在ACM框架的验证下建立了人员能力的一个标准列表[8,21], 在文献[9]中, 作者通过让项目经理从心理学家制定出的性格能力标准列表中选择的方式, 选出与软件开发活动最相关的20个性格能力, 分别是:分析能力、决策能力、独立能力、创新能力、判断能力、坚韧能力、承压能力、自组织能力、风险管理能力、环境知识、纪律性、环境导向能力、顾客服务能力、协商能力、移情作用、社交性、团队合作能力、同事评价能力、团队领导能力、计划和组织能力。在确保能力类型的全面性的同时我们将这些性格能力进行归纳重组, 得到如下8个性格能力:

1) 分析和决策能力;

2) 计划和组织能力;

3) 协作和管理能力;

4) 交际和谈判能力;

5) 独立解决问题能力;

6) 改革和创新能力;

7) 毅力和承压能力;

8) 环境知识的获取与应用能力。

(2) 任务类型可供参考的任务类型 (参见2.1节) 包括且不限于:调研、需求、设计、编码、测试、部署、指导、质量控制。用户可以根据自己的需求对这个集合进行裁减或扩充。

(3) 16PF性格因子在2.2节中已经确定, 包括乐群性+、聪慧性+、稳定性+、恃强性+、有恒性+、敏感性+、怀疑性+、幻想性+、幻想性-、世故性+、忧虑性-、实验性+、独立性-、自律性+、紧张性-, 共15个性格因子极向。

在确定问卷中所需的因素后可以设计具体的问卷问题以确定图3中关系1和关系2的相关性系数, 关系1为任务类型与性格能力之间的关系, 关系2为性格因子与性格能力之间的关系。为此, 我们设计了一份包括62道问题的调查问卷[22]。

2.4 数据分析

我们向国内外10家软件公司与组织的项目经理和开发人员共176人发放176份问卷, 收集到148份有效问卷回馈。

· 任务类型的性格能力需求

对于任务类型与性格能力之间的关系, 设计了一个表格, 由被调查对象勾选其认为对相应任务类型最重要的四种性格能力。将所有数据统计登入到一个表格后, 进行归一化处理, 即用该表中最大的数值去除以所有的数据, 得到如下的任务类型与性格能力需求之间的关系表由表2所示。

例如, 有一个项目组需要做需求分析, 它属于需求类型的任务, 根据表2, 它对于{分析和决策能力、计划和组织能力、协作和管理能力、交际和谈判能力、独立解决问题能力、改革和创新能力、毅力和承压能力、环境知识的获取与应用能力}的需求为{0.852, 0.393, 0.348, 0.741, 0.274, 0.230, 0.141, 0.541}。从该结果, 大致可以判断出该需求任务对于分析和决策能力的要求最高, 其次是交际和谈判能力, 环境知识的获取与应用能力等。

在项目中具体到每个任务时, 需要将每个任务分类到任务类型中去, 以获取它的性格能力需求值。

· 人员性格因子与性格能力的关系

对于性格因子与性格能力之间的关系, 设计了53道题目由被调查对象选择该题中的性格因子和性格能力之间是否存在关系:正向关系, 负向关系或者无关系。正向得分为+1, 负向得分为-1, 无关得分为零, 累积计算, 允许负分。

例如问卷中某问题为:你是否认为敏感, 感性思维能力强与分析和决策能力之间存在联系?A.是的;B.不是;C.不一定, 选择A项则在I+与分析和决策能力的关系框中加一分, 选择B项则减一分, 选择C项则不影响。

对于最后得分为0以下的项, 因题目设计的初衷, 将其结果忽略。将剩下的因子进行归一化, 即用表中出现的最大数去除所有项, 最后得到下表, 性格因子与性格能力关系表由表3所示。

例如, 李明完成16PF-5性格测试, 得出结果值为:A+, Q1+, 将其应用到表2上去, 得出李明的性格能力为{协作和管理能力、交际和谈判能力、毅力和承压能力、改革和创新能力}, 得分分别为{0.126、0.874、0.133、0.385}。根据这个结果, 他最可能拥有的能力是交际和谈判能力, 因为得分最高, 其次是改革和创新能力, 再者是毅力和承压能力, 协作和管理能力。仅根据这个结果, 我们也可以大致判断出来李明大致适合调研、需求、技术支持等需要交际和谈判的任务。

2.5 匹配算法

(1) 技术能力匹配算法

我们综合考虑技术能力和性格能力两个方面的匹配, 技术能力的匹配不是本文关注的重点, 具体方法参照文献[7], 算法描述如下:

人员技术能力集合为PC={SC1, SC2, …, SCn}

任务的技术能力需求为TC (Task Capabilities)

TC={ (SC1, must) , (SC2, must) , …, (SCm, must) } (3)

SC代表技术能力三元组SC= (domain, skill, level) , TC中的must代表该项技能是否是任务的必须能力 (1代表必须, 0代表非必须) 。

两者的匹配度R1为:

undefined

其中PC∩TC是在人员的某项技术能力满足任务的技术需求之上, 两者的交集, 如果任务的某项技术能力需求是强制要有, 而该人员又不具备, 则R2=0。技术能力匹配算法的输入是任务的技术能力需求和人员的技术能力, 输出是技术能力匹配的得分。

算法的伪代码如下:

(2) 技术能力匹配算法

任务性格能力需求与人员性格能力的匹配, 算法描述如下:

人员性格能力向量为PM (Personal Mentality) , 任务性格能力需求向量为TM (Task Mentality) , 两者的匹配度R2为:

undefined

其中PM′是PM的一个调整, 如果人员的某项性格能力PM[i]超过任务性格能力的需求TM[i], 则PM′[i]=TM[i], 该调整使得在向量相似度计算中, 可以规避该项性格能力的误差。匹配算法的输入是任务的性格能力需求和人员的性格能力, 输出是性格能力匹配的得分。

算法的伪代码如下:

以上面提到的李明的性格能力为例, 同9个任务类型的匹配程度如表4所示。

匹配分值的高低也证明了之前对李明的任务选择的一个推断, 大致适合调研、需求、技术支持等需要交际和谈判的任务。

(3) 综合匹配算法

综合考虑两种匹配, 最终的人员同任务的匹配度R为:

R=R1×W1+R2×W2 (6)

式中, W1和W2分别为匹配过程中性格能力的权重和技术能力的权重, 目前采用同等权重的方式, 即undefined。所以最终匹配结果采用如下公式进行综合:

undefined

3 工具和实验

我们开发了相应的原型工具并通过内部实验的方式来验证方法的有效性。该原型工具基于B/S架构, 非常便于用户的使用和数据收集。

工具架构图分为三层, 如图4所示, 数据管理层包括技术、性格能力的数据管理, 任务、人员的数据管理, 任务匹配的数据管理;匹配算法层包括综合匹配策略的植入和动态配置;结果展示层包括心理测试界面, 技术、性格能力展示界面, 任务、人员的管理界面, 综合匹配结果展示界面。

普通用户通过Web登录后即可进行16PF-5性格测试, 输入自己的技术能力等操作, 管理员通过Web登录后可以编辑任务信息、查看人员信息并进行人员分配操作。

用户进行心理测试以后, 系统会根据之前收集分析得到的性格特征与性格能力的映射关系计算得到用户的性格能力。通过之前的匹配算法, 系统自动为管理员提供适合指定任务的优选人力资源列表。

例如:调查表明微软产品支持任务的技术能力需求与性格能力需求分别如表5和表6所示。

以员工angel, jeff, bill三人为例, 他们的技术能力和性格能力如表7和表8所示。

如图5所示, 系统根据式 (6) 自动对“微软产品支持”任务的适合人员进行匹配和排序, jeff的匹配分数最高。

我们利用该工具设计进行小范围的实验, 设计一个包含九种任务类型共32个任务的项目, 11位软件开发人员参与实验。通过实验访谈与信息回馈, 我们得出以下结论:

(1) 项目负责人普遍认为, 该工具在任务分配时为其提供有效的辅助, 减轻工作量的同时也加深了其对员工综合能力的了解。

(2) 软件开发人员普遍认为, 任务的分配结果令人满意, 认为这样的分配符合其个人的综合需求, 可以提高工作效率。同时部分人员认为可加深其对自己各项性格能力的理解和掌控, 也为自己未来的职业规划提供了良好的建议。

由于软件项目的复杂性, 我们在实验过程中尽量控制其他变化因素以凸现方法对项目的影响, 同时对实验结果目前也仅进行定性评价。

4 总结与展望

该方法考虑了软件项目中技术能力和性格能力两方面的因素, 即在考虑软件任务的技术能力需求的基础上, 加入不同任务对任务承担者性格能力上的需求。通过挖掘软件过程中人力资源的性格特征, 最终通过综合的匹配算法, 使人力资源调度的任务分配模型变得更合理。实验的反馈证明该方法可以在人员任务分配时提供决策支持, 提高分配的准确性和人员的满意度。

鉴于软件过程的复杂性, 文中综合匹配算法的适用范围存在一定的局限性。例如匹配计算中技术能力和性格能力的权重分配在不同行业、不同项目、不同能力成熟度的组织里都会有所差别;同时还可以挖掘软件过程中更多的可优化因素, 例如人员对任务的主观选择意愿等。方法目前只考虑单一任务的人员匹配, 如何进行多任务的人员全局优化分配也将是下一步的工作重点之一。

摘要：依赖主观判断和个人经验的任务人员分配方法具有不稳定性和不可靠性, 直接导致较低的人力资源利用效率。已有的资源调度方法对人力资源的复杂性和能力差异性考虑不足。提出了一种支持软件项目资源调度的任务人员优化匹配方法。方法将心理学与软件项目管理进行结合, 通过挖掘人力资源的性格能力属性, 综合技术能力属性, 对任务人员的匹配过程进行优化。工具和实验表明, 方法可为项目管理人员进行任务分配时提供有效的决策支持。

项目资源优化篇8

在建设工程多项目管理中难免会遇到资源冲突的问题,这些资源包括资金、技术及管理人员、设备、劳动力、原材料、外部协作单位等。如何解决这些资源冲突问题,并使得项目能满足业主的进度要求。如何在优化资源配置的同时,降低项目的进度风险。针对可能会遇到的资源和进度问题,在进行多项目管理时,我们可引入约束理论和关键链方法安排进度和配置资源。

1 约束理论和关键链方法

约束理论(TOC)是Goldratt在1990年提出的一种项目管理方法,其基本假设是:任何系统都存在限制产出的约束。关键链项目管理(CCPM)是Goldratt在1997年提出的一个项目管理概念,是TOC约束理论在项目管理中的应用。TOC约束理论提出生产链中最薄弱的环节(瓶颈),决定了整体生产的速度,提高非瓶颈处的能力不能提高整体生产速度,要提升整体生产速度,必须提升瓶颈处的能力。按照TOC的观点,企业是一个系统,要对系统的制约因素进行充分掌控和把握,才能促进良好的发展。

关键链方法是对传统关键路径法的改进,它包含以下要点:

1)最长路径(关键链)决定项目的持续时间。这一路径不仅基于任务的逻辑关系,也基于资源使用情况及其相互关系,标识了资源约束和资源瓶颈,有利于项目过程资源的配置,降低因资源而引起的进度风险;

2)在进度末尾以及进入关键链的各条网络路径末尾增加一部分,作为缓冲来确保进度安全性,缓冲区的设置,为项目按时完成提供了有效的保障;

3)用于进度安排的任务时间估计可具有一定冒险性,但必须是可以达到的。

用TOC和CCPM对多项目进行资源配置和进度安排,一般需要开展4个方面的工作,即设定各个项目的优先级,资源需求识别,分析资源约束以及制定进度计划和资源计划。

2 设定各个项目的优先级

不同的项目对组织目标的贡献是不一样的。我们在投标过程中,可根据组织战略识别和选择不同的项目;在多项目实施过程中,也可根据项目为组织带来的收益划分项目优先级。优先级划分标准应定期更新,以便与组织战略保持一致。当然,建设工程项目均有合同,对完成时间有限制,排定项目优先级必须考虑那些当前必须实施的项目或已经产生拖延的项目。

3 资源需求识别

项目对资源的需求是和时间密切相关的,这里进行的资源需求识别应该是每个时点或时段上的资源种类和数量的需要,因此我们讨论资源的配置不仅要确定资源配置到哪些项目中去,而且要确定资源配置的时间。

进行项目资源识别,首先应该制定项目WBS。WBS是基础工作,这是确定项目进度计划的前提,也为确定资源需求种类和数量提供依据。

Goldratt认为项目管理者在对每一项工作的工期估计中均包含了大量的安全时间,因为有经验的项目管理者总是能意识到项目所面临的不确定性因素,他们往往会选择有80%~90%的可能性作为完成工作的预期时间。但是这样的安全时间并不能保证项目的按时完成。太多的安全时间使得人们总是认为有足够的时间去完成工作,而推迟开工时间或降低效率,最终使得工作无法按时完成。另外,涉及管理层越多,完工时间预估也会越长,因为每层都会加进各自的安全因素,并预料到高层可能会消减整体完工时间,个人都会预先加大安全时间以自保。因此,Goldratt将工作50%可能完成的时间作为工作工期的估计,并以此建立工作进度图。

在WBS以及各个项目的进度计划形成之后,企业可以根据每个项目的任务包估算所需资源的种类、数量,并可根据各个项目的进度计划确定各种资源需求发生的时间段或时间结点。

对多项目而言,资源在某一时间段内总是有限的,造成资源紧张的原因很多,包括资金匮乏、市场波动、气候变化、运输不畅、人事变化、计划缺陷等等,而影响了某一项工作就可能对后续工作造成一系列影响,因此有必要对多项目活动中存在的资源约束进行分析。

4 分析资源约束

资源的约束可以说非常常见,而资源缺乏的后果通常就是时间和经济上的损失,严重时甚至造成项目的失败。对多项目而言,各项目间争夺资源的现象并不鲜见,项目群的管理者遇到这样的问题不是追加投资,就是不断在各项目之间协调,最后往往起不到很好的效果。如果能预先对约束资源进行分析,通过调整进度计划使资源得到优化配置,就能使项目尽可能避免资源的制约。但即便如此,资源约束总是客观存在的,因为从成本角度考虑,项目管理者不可能无限制的投入资源。约束资源的分析使我们能够认识到多项目实施的制约因素,并可制定出更合理的进度方案。

对项目的初步排序并不能保证就一定能按此顺序实施,因为会存在项目间争夺资源的情况。此时可首先识别出跨项目影响系统目标受到最多约束的资源,即构成项目产出的瓶颈资源,也称为关键资源。其后项目进度的安排即基于关键资源的时间安排。这时关键资源的开发利用变得尤其重要,此时要重新审视关键资源是否在战略优先级项目上持续使用,避免出现闲置或将资源和时间花费在低优先级项目上。

在找到项目间共享资源以及关键资源后,通过资源工作的先后顺序,建立项目之间的依赖关系,通过资源平衡化解资源冲突,找出项目最长任务链,确立为关键链,据此形成多项目的网络及调整后的进度计划。

5 制定进度计划和资源计划

尽管我们对多项目的进度计划按照资源约束进行了调整,但并没有充分考虑到项目实施过程中的一些风险因素。我们可根据工作间的资源制约关系,修改网络图,确定关键链。然后通过为关键链和非关键链分别设置项目缓冲(Project Buffer)和输入缓冲(Feeding Buffer)来消除项目中不确定因素对项目执行计划的影响,以保证整个项目按时完成。

项目缓冲设置在关键链的末尾,以关键链上所有工作比PERT中少估计的工期之和的50%为缓冲区的大小。输入缓冲设置在非关键链与关键链的汇合处,以非关键链上的所有工作节省工期之和的50%为缓冲区的大小。项目缓冲是为了保证项目在计划内完成,之所以设置输入缓冲,是为了保护关键链上的工作计划不会因为非关键链上工作的延迟而受到影响。而建设项目由于受天气的影响比较大,每个月可设置一定的雨天缓冲,当然这要根据项目实施地的实际情况而定。缓冲区的设置相对灵活,项目管理者可根据项目的特点和实际情况设定,但要注意缓冲区设置太长或过短都有可能产生负面影响。

6 结语

建设工程多项目基于关键链的资源配置方法可以制订出更加符合实际的进度计划和资源计划,它通过寻找约束资源和设置缓冲区,并确定关键链,能找出项目实施的瓶颈所在,并因此寻找解决问题的方法。但是,关键链在建设工程多项目中的应用还存在一些问题。譬如,存在多个资源约束时关键链的确定比较复杂;建设项目缓冲区确定的方法还有待作进一步研究等。

摘要：讨论了建设工程在多项目环境下,各个项目之间可能会遇到的资源冲突问题,引入约束理论(TOC)和关键链项目管理(CCPM)方法,通过分析多项目之间的约束资源和设置缓冲区,达到合理配置关键资源及降低进度风险的目的。

关键词：多项目管理,资源配置,约束理论,关键链

参考文献

[1]罗东.工程项目管理[J].山西建筑,2007,33(18):202-203.

[2]艾利.高德拉特.关键链[M].北京:电子工业出版社,2006.

项目资源优化篇9

首先, 我们对多项目管理下石化施工企业资源配置优化问题进行分析, 结合石化施工企业多项目资源配置的实际情况, 从而得到最适合石化施工企业多项目之间资源优化配置管理的有效策略, 为石化施工企业多项目管理提供更多的决策依据, 有助于提升企业资源配置的效率, 为石化施工企业带来更多的价值;其次, 在国外很多国家, 对于多项目之间资源配置优化的研究已经相对成熟, 对这一问题的理解也很深入, 但国内来说依旧处于初级研究阶段。通过本文的分析, 让我们更加系统地认识这一问题的重要性, 希望未来的专家学者能够就这一问题进行完善和补充。另外, 如果我们探讨出多项目管理下石化施工企业资源配置优化策略, 能够为其他更多的企业提供参考, 有助于国内企业的健康发展。最后, 落实多项目间石化施工企业资源配置优化策略, 能够帮助石化施工企业更加科学合理地制定多项目管理制度, 借助于完善的制度来提升企业资源的利用效率, 增强石化施工企业的综合竞争力, 确保企业的持续稳定发展。

2 多项目管理下石化施工企业资源配置优化的对策

2.1 调整石化施工企业多项目资源配置的组织结构

2.1.1 多项目资源配置对组织结构的要求

项目管理理论在我国石化施工企业管理中的有效应用必须要依靠石化施工企业组织管理平台的支持。组织结构对于企业多项目之间的资源配置以及资源优化管理来说发挥着非常重要的作用。国内石化施工企业过去一直以来主要是实行以“职能”为主的层级组织结构, 但它已经无法适应当前石化施工企业发展和现代管理理论的要求, 因此我们必须要对企业组织结构进行更新和完善。

在现阶段日益复杂的市场经济环境之下, 刚性化的组织难以较快对环境变化作出反应, 面对复杂的外部环境, 石化施工企业内部构成单位就应当从过去专业化的职能部门逐渐转化成为以任务为导向的, 尊重员工个人能动性以及综合素质的跨部门小组。企业组织应当更加灵活地对市场变化以及技术变革作出反应, 进而让企业行为能够与外部环境的变化相联系[1]。

2.1.2 面向多项目资源配置的组织结构设计

石化施工企业多项目管理下资源配置优化对企业组织结构的需求。下面我们提出一种可以有效实现多项目管理资源配置优化的矩阵组织结构, 它能够帮助我们更好地实现这一目标 (如图1所示) 。

对于石化施工企业多项目管理下的资源优化配置策略, 我们采取如图1所示的企业组织结构, 能够有效地实现资源在多项目之间的共享, 把过去企业组织结构中的职能部门转型为资源部门。另外, 为了提高资源配置优化效率, 对项目管理委员会、企业资源管理部门以及项目管理部门的具体职责也应当进行重新调整和定义。

2.1.3 建立企业项目管理办公室

建立企业多项目管理办公室, 第一要务是明确项目管理办公室的具体工作职权, 对石化施工企业目前已有的资源展开科学评估, 制定企业内部项目选择规范标准, 从而对未来的任务与活动进行合理计划;第二是要求重点项目相关人员参与工作会议, 对石化企业目前现状、面临问题以及发展目标进行研究分析, 最终得到一个全面的评估报告, 另外还应制定出一份短期计划与长期发展规划;第三要结合事先制定的发展规划来确定项目管理办公室的工作人员和工作职能, 准备好有效的沟通策略, 向企业申请启动资金, 进而让项目管理办公室拥有顺利开展工作的资源与能力。

企业项目管理办公室应当结合不同项目来确定差异化的项目资源配置优化策略, 例如, 说新产品开发项目资源配置优化策略、各个领域工程项目资源配置优化策略等。在这一过程中必须要结合项目开发管理实际, 同时积极征求领域内专家的意见和建议, 对项目组的资源配置计划进行优化, 在项目工程的具体实施过程中, 项目管理办公室应当发挥指导和管理的职能, 从而保证项目资源的合理供应。

2.2 多项目资源配置信息平台的建设

石化施工企业各个项目工程的实际施工中, 因为信息资源和外部环境处于不断的变化和更新中, 因此要求我们对资源信息进行及时整理, 从而对多项目资源配置的实际情况与项目实施情况有更多的掌控, 确保企业多项目管理目标不会与企业战略目标产生冲突, 能够提前发现和处理下一阶段的项目资源配置冲突, 确保企业项目能够顺利开展。在多项目的管理环境内, 项目之间是相互联系的, 各个项目会相互影响, 而对于企业来说, 多项目管理和企业环境无时不刻不在进行资源互换, 企业战略目标受到的影响因素也处于不断变化之中。所以不管是从企业方面还是多项目管理方面来说, 都应当要积极的营造一种开放透明的信息交流平台, 建立资源配置信息共享平台。在这一平台之中, 必须要存在下面几个模块:一是项目工作区, 即是项目资源信息管理的主要区域, 负责存储各个项目的需求和使用资源的信息, 是成员之间交流沟通的平台;二是多项目管理区, 这一区域负责对不同项目资源的具体使用信息进行记录, 能够实现各个项目之间的资源共享, 便于进行交流;三是公共作业区, 主要负责对石化施工企业发布多项目管理资源需求、变更以及使用情况, 从而让企业各部门能够更科学的进行资源配置[2]。

3 结语

随着社会主义市场经济的不断发展, 石化施工企业已经开始承揽更多的项目, 目前我们所运用的多项目资源配置策略已经无法适应石化施工企业的发展和多项目管理的实际需求。复杂和多维的环境需要石化施工企业借助科学有效的方法来实现多项目管理下的资源优化配置, 除了本文中所提出的几点建议之外, 我们还应当进一步对这一课题展开研究, 对多项目管理理论和技术的发展进行跟踪研究, 从而让石化施工企业在激烈的竞争环境下得以生存和发展。

参考文献

[1]王忠良.优化资源配置成就多项目管理[J].施工企业管理, 2012 (8) :34.

项目资源优化篇10

1 资源均衡问题

1.1 资源均衡问题概述

传统的资源优化问题分为“资源有限, 工期最短”问题和“工期固定, 资源均衡”问题。“资源有限, 工期最短”优化问题即资源供应强度有限时, 使项目的工期在合理范围内最短;“工期固定, 资源均衡”优化问题即项目工期一定时, 工期内单位资源使用量均衡或其方差最小。资源均衡优化问题就是指“工期固定, 资源均衡”问题。

一般而言, 资源均衡优化是指在工期确定的情况下, 通过合理安排项目各工作的开始时间或调整工程进度, 使不同时期的资源消耗量相对均衡。依据资源种类数的不同, 资源均衡优化问题常有单资源均衡优化与多资源均衡优化之分, 对于一个工程项目, 如果仅考虑单一资源的均衡优化, 即便通过调整各工作的开始时间使得本资源需求量均衡, 也很难保证其他资源的均衡消耗。因而对资源均衡优化的研究, 应该综合考虑项目实施过程中的各项资源, 更多地进行多资源均衡优化的研究。

在工程项目的实施过程中, 资源均衡具有重要意义:可以有效地降低资源需求量强度和资源储备量, 使工程物资供应得以保障;可以避免仓促地调配临时资源及频繁地雇佣和解雇员工等;可以有效的降低工程成本。

1.2 RLP的求解方法

对于RLP这类NP-hard问题, 国内外学者已经提出多种求解方法, 可以分为两大类:精确算法和非精确算法。精确算法是求解理论上最优解的方法, 但精确算法不适合求解大型网络计划, 特别是工序和资源约束较为复杂的网络计划。非精确算法虽然不能保证所求得的解是理论上的最优解, 但它可以在一个可接受的范围内给出满意解, 主要是指启发式算法和元启发算法;启发式算法侧重于依据经验设计一些直观易懂且易于实施的方法, 而元启发算法侧重给出求解问题的一般规则, 应用者只需依据问题对算法稍作修改即可求解问题;常见的启发式算法有CPM法、削峰填谷法等, 元启发算法有遗传算法、蚁群算法、粒子群算法等智能算法。

R LP与传统的资源受限项目调度问题比较而言, 后者是在资源条件一定的情况下, 最小化项目工期, 目标函数是正规函数;而RLP是在项目工期一定的情况下, 优化资源配置, 目标函数为非正规函数。遗传算法 (Genetic Algorithm) 作为一种仿生算法, 以其全局搜索能力强而见长, 具有对问题的约束条件没有限制, 对模型的计算要求不高等优点, 遗传算法的这些优点符合RLP的求解要求, 目前已经广泛应用于工程领域求解各类优化问题, 并取得良好的效果。

2 资源均衡优化模型

针对所研究问题建立合适的模型, 是求解问题的重要部分, 在已有的资源均衡优化模型中提出了许多衡量资源均衡程度的指标, 常见的有不均衡系数、矩、方差、最大绝对离差、极差值等等。资源利用方差σ2在研究中作为衡量资源均衡的指标, 取得了良好的评价效果。本文同样采用资源利用方差作为评价指标进行研究, 资源利用方差越小, 说明资源均衡程度越好。

在考虑多种资源约束的情况下, 多资源均衡优化要比单资源均衡情况复杂的多, 需要考虑更多的影响因素。为此模型中目标函数的表达采用以下方法:a) 为不同的资源设定权重系数ω来表示资源的重要程度, b) 对资源需求量作无量纲化处理, c) 把每一种资源的优化视作一个目标, 利用资源权重系数将多资源均衡优化这个多目标问题转化为单目标问题。多资源均衡优化模型如式 (1) ~式 (7) 所示, 资源均衡优化模型的符号及含义见表1。

3 遗传算法设计及求解流程

遗传算法虽然对所求解问题没有太多限制, 但是通过设计与问题相适应的遗传算法可以使其对模型的求解更为高效与实用。标准遗传算法主要包括染色体编码、初始化种群、确定适值函数、遗传操作、解码五部分。针对问题确定编码策略与适值函数是有效解决问题的关键, 合适的优化迭代规则可以有效的提高算法优化模型的效率。

3.1 算法设计

3.1.1 邻接矩阵构建

为了在MATLAB中编程实现遗传算法对网络计划的求解, 运用邻接矩阵来表示网络计划中各工作之间的紧前紧后逻辑关系, 设某个项目有N项工作, N阶01方阵 (Matrix01) L= (lij) 表示工作之间的前后逻辑关系, 其中

3.1.2 染色体编码

实数编码具有串短、直接、高效率等优点, 结合单代号网络计划的特点, 本文采取实数编码方式构造染色体:以各项工作的实际开始时间Si为变量进行染色体编码, 基因值可以直接由各工作的实际开始时间表示, 一个基因位对应于一项工作的实际开始时间, 按照单代号网络计划图中各工作的编号顺序, 依次将对应工作的实际开始时间编码为基因值, 染色体长度即为项目工作数目N。

3.1.3 种群初始化

在满足项目各工作紧前紧后逻辑关系的前提下, 计算出它们的最早、最迟开始时间 (ES、LS) , 每项工作的实际开始时间可以是该工作ES与LS之间的一个随机值。网络计划中工作的实际开始时间需满足两个约束条件:a) 工作的实际开始时间介于最早开始时间与最迟开始时间之间, b) 当一项工作的所有紧前工作都结束时, 该工作才能开始。按照上述条件生成的一定数目的染色体即构成初始种群。在生成过程中, 当出现不满足条件的染色体时, 将其淘汰, 重新生成一条新的染色体, 直至生成符合种群规模数目的合格染色体。对于遗传操作过程中出现的不满足约束条件的染色体, 本文采取在可行性判断阶段对不满足要求的染色体予以惩罚使其适应度大幅度降低, 在优化过程中快速将其淘汰的方式解决。

3.1.4 确定适值函数

如前文所述, 本文是求目标函数 (资源利用方差) 的最小值, 而遗传迭代计算需要求出适应度值最高的染色体个体, 为此, 将目标函数值的倒数作为个体的适应度值, 对实际开始时间不满足工作前后关系的个体, 在计算其适应度值时需再乘以一个惩罚系数。适应度计算函数为:

其中, x为变量值, 即工作的实际开始时间;Fa表示惩罚系数, 本文取0.001;f (x) 为目标函数, F[f (x) ]为适应度函数, 其余符号含义详见资源均衡优化模型部分符号说明。

3.2 算法求解流程

设m为遗传进化代数, 进化的第m代中父代种群为P0 (m) , 记第m代种群进化后最优染色体为b (m) 、其适应度为Fb (m) , 运用遗传算法求解本文提出的资源均衡优化模型流程为: (1) 输入一系列参数:工程项目参数、遗传算法参数、其他参数; (2) 染色体编码、种群初始化:随机生成一定数目满足要求的染色体形成初始种群, 将其作为第一代遗传操作的父代种群P0 (1) ; (3) 遗传操作:在进化的第m代, 对父代种群P0 (m) 依次进行遗传操作生成子代种群; (4) 优胜劣汰:计算子代种群中所有个体的适应度, 找出当前进化父代和子代种群中最优染色体b (m) 并记录其在种群中的位置, 同时在父代和子代种群中找到适应度值排前M的M条染色体作为下一代遗传操作的父代种群P0 (m+1) ; (5) 在所生成的下一代父代种群的基础上, 循环执行 (3) 、 (4) , 直至迭代次数达到所设定的最大进化代数; (6) 进化结束后, 对得到的最优染色体进行解码操作, 获取优化结果。

4 资源均衡优化的MATLAB实现

4.1 优化过程的MATLAB实现

(1) MATLAB语言以矩阵运算见长, 使用MATLAB编程时要将运算过程用矩阵运算的形式表达, 以及所研究问题的数据、变量在程序中如何表示都会影响到算法实现的有效性。在本文编程中通过以下方式解决:a) 将工程项目参数预存于Excel文件中;b) 构造种群结构体, 其含有两个属性:染色体、染色体适应度;c) 染色体表示各项工作的实际开始时间, 是一维数组, 利用各项已知条件通过程序实现矩阵的运算变换, 最终求解得到各项工作每天的资源需求量和记录进化过程相关数据的矩阵, 并绘制相应示意图说明优化结果 (图1) 。

(2) 程序设计了以遗传算法主函数Genetic为核心的一系列函数说明如下:

a) 时间参数计算函数compute, 计算项目工期T及工作的ESi、LSi等时间参数;

b) 编码函数Code、解码函数Decode, 前者用于依据要求初始化染色体, 后者用于根据优化得到的最优解求解出各项工作每天的资源安排情况;

c) 遗传操作函数Select、Cross、Mutation, 分别用于进行选择操作、交叉操作、变异操作;

d) 可行性检查函数test, 用于检查优化过程中产生的染色体是否满足式 (2) 的要求并标记不可行的染色体;

e) 适应度计算函数fit, 用于计算染色体的适应度, 惩罚不可行的个体;

f) 遗传算法主函数Genetic, 作为程序的核心部分, 用于初始化运算环境、设置有关遗传参数、控制优化过程、输出资源配置结果。

4.2 GUI界面设计

MATLAB除具有强大的数值计算功能外, 其可视化功能也非常强大, 本文通过GUIDE设计了资源均衡优化的GUI界面。界面由标题、遗传参数输入区、“读取预录入参数并开始优化”按钮、优化结果显示区四部分组成。优化结果显示区又包括最优解、染色体进化趋势图、资源均衡结果, 按钮对应Genetic函数。通过GUI界面, 只在遗传参数输入区的编辑框中输入相应的遗传参数, 点击按钮开始运行程序, 程序首先读取预存于Excel文件中的数据并获取输入的遗传参数, 然后开始优化。优化过程中界面显示当前进化代数与染色体进化情况, 优化过程结束后, 最优解、最佳适应度、染色体进化趋势、资源配置等结果输出至界面。这样的界面设计对于不熟悉优化原理的用户, 也同样可以通过简单的操作来解决资源均衡优化的问题, 因此具有一定的实用性。图2是某次优化在39代时的情况与其最终优化结果。

5 算例分析

为了验证所提出的指标、模型、求解算法的有效性, 选取文献中的一个算例进行计算和分析。该项目共有11项工作、两种资源, 其单代号网络计划如图3所示, 工作1为虚工作, 不占用时间和资源。遗传参数设置为:种群规模取80, 最大进化代数设为100, Pc=0.3~0.8, Pm=0.05~0.2。

假设两种资源的权重系数相同, 在一定范围内变换Pc、Pm的设置值, 通过一系列测试对模型求解, 得到最优目标函数值为0.0325, 对应各项工作开始时间为:[0, 0, 6, 0, 2, 5, 7, 10, 4, 9, 13], 优化结果如图4所示, 子图a表示染色体进化趋势, 子图b表示优化后的资源分配结果。优化后各工作开始时间安排如表2所示。

6 结语

资源均衡优化问题是工程项目管理领域研究的重要课题。本文在已有研究成果的基础上, 首先对资源均衡问题从其含义、解决方法方面进行分析, 提出了多资源均衡优化模型, 并依据问题的特点设计遗传算法加以求解;然后运用Matlab编程实现求解过程并设计基于GUI的资源均衡优化界面, 以增强模型及算法的实用性;最后通过一个算例对研究内容进行验证。本文的模型及求解算法有一定的理论价值与实际意义, 可以应用于资源均衡优化问题, 同时文中所设计的GUI界面为优化结果可视化提供了研究方向。本文目前只是针对工作不可间断的情况进行了研究, 并且界面在结果保存、对比方面也还存在不足, 在工作的可间断、界面改进方面有待进一步深入研究。

参考文献

[1]丁继勇, 王卓甫.多资源均衡问题及其优化方法分析[J].工程管理学报, 2011 (1) :51-55.

[2]Hariga M, El-Sayegh S M.Cost optimization model for the multiresource leveling problem with allowed activity splitting[J].Construction Engineering and Management, 2011, 137 (1) :56-64.

[3]徐哲, 贾子君, 李科.工程项目资源均衡优化的混合遗传算法研究[J].数学的实践与认识, 2011 (6) :24-29.

[4]高峰.大型电力工程项目资源冲突问题的调查与研究[J].建筑经济, 2014 (4) :51-53.

[5]张连营, 骆刚, 鹿丽宁.遗传算法在工程项目资源优化中的应用[J].天津大学学报, 2001 (2) :188-192.

[6]田军, 寇纪淞, 李敏强.利用遗传算法优化施工网络计划[J].系统工程理论与实践, 1999 (5) :79-83+110.

[7]王祖和, 亓霞.多资源均衡的权重优选法[J].管理工程学报, 2002 (3) :91-93.

本文来自古文书网(www.gwbook.cn)，转载请保留网址和出处

元旦退休老同志慰问信元旦春节慰问离退休老同志(九篇)01-17

致离退休老同志的春节慰问信(12篇)01-17