CG项目中进度优化算法的研究与实现
|
摘要
近年来,随着计算机图形和图像技术的发展,使用计算机进行图形图像处理和逼真动画的制作越来越多。三维CG(Computer Graphics,电脑图形图像,简称CG)动画制作与开发就是借助当今高速发展的先进的计算机技术来完成电影艺术制作的一个典范。鉴于现在我国还没有成熟的针对CG项目的管理软件,开发CG项目管理软件具有很大的商业价值,而进度控制、进度优化是项目管理中一个重要组成部分。
本文在对项目管理技术进行深入研究的基础上,完成了以下工作:
1.研究进度控制调整的方法。项目管理者及时收集与跟踪当前项目的实际进度信息,将计划进度与实际进度进行比较,找出偏差,判断此偏差对项目进度的影响,并根据其影响对进度计划做相应的调整和优化。
2.在研究了网络计划技术和CG项目制作特点的基础上,对网络图的相关计算方法进行了讨论,根据当前任务的执行情况建立了系统的网络图。
3.对项目进度的优化与调整算法进行了研究。利用网络计划的传统优化算法实现项目未完成任务的工期—费用优化;在深入研究了工期—资源的平衡优化后,利用免疫遗传算法和启发式算法实现了工期最短与资源均衡的双重优化,并对这两个算法作出比较。
4.提出了成本、工期与资源的综合优化模型。
最后将各种优化算法运用到CG项目中,为决策者提供进度控制的依据。
In recent years, computers are more and more frequently used to deal with graphs and make vivid animations as CG (Computer Graphics) technology develops. The 3D CG animation is one model of movie art making with the aid of fast developing and advanced computer technology. Because there is no mature management software which is used in CG project, developing CG porject management software has much commercial value. Schedule controling and optimization is an important part of project management.
This paper completes the following tasks on the foundation of a deepgoing research in porject management:
1. It studys the mehod of schedule controling and adjustment. Poject leaders collect and follow factual schedule information in time, compare factual schedule with planed schedule and compute the deviation. Then they judge the impact on the project schedule and optimize the planed schedule accordingly.
2. It discusses the computing method about net chart and constructs systemic net chart according to the accomplished state of the tasks after studying the net plan technic and CG poject characteristic.
3. It researches the optimization algorithm of project scheduling. At first, it realizes the time-cost optimization by the traditional optimization algorithm of net plan; then, it utilizes heuristic algorithm and immune genetic algorithm (IGA) to achieve the double optimized object which are the shortest time and resource equilibrium after studying the time-resource optimization and compares one algorithm to the other.
4. It proposed a integrated model which optimizes cost, time and resource in the same process.
At last, this paper applys all the optimization algorithms to the CG project and provides decision-makers the basis of schedule controling.
本文在对项目管理技术进行深入研究的基础上,完成了以下工作:
1.研究进度控制调整的方法。项目管理者及时收集与跟踪当前项目的实际进度信息,将计划进度与实际进度进行比较,找出偏差,判断此偏差对项目进度的影响,并根据其影响对进度计划做相应的调整和优化。
2.在研究了网络计划技术和CG项目制作特点的基础上,对网络图的相关计算方法进行了讨论,根据当前任务的执行情况建立了系统的网络图。
3.对项目进度的优化与调整算法进行了研究。利用网络计划的传统优化算法实现项目未完成任务的工期—费用优化;在深入研究了工期—资源的平衡优化后,利用免疫遗传算法和启发式算法实现了工期最短与资源均衡的双重优化,并对这两个算法作出比较。
4.提出了成本、工期与资源的综合优化模型。
最后将各种优化算法运用到CG项目中,为决策者提供进度控制的依据。
In recent years, computers are more and more frequently used to deal with graphs and make vivid animations as CG (Computer Graphics) technology develops. The 3D CG animation is one model of movie art making with the aid of fast developing and advanced computer technology. Because there is no mature management software which is used in CG project, developing CG porject management software has much commercial value. Schedule controling and optimization is an important part of project management.
This paper completes the following tasks on the foundation of a deepgoing research in porject management:
1. It studys the mehod of schedule controling and adjustment. Poject leaders collect and follow factual schedule information in time, compare factual schedule with planed schedule and compute the deviation. Then they judge the impact on the project schedule and optimize the planed schedule accordingly.
2. It discusses the computing method about net chart and constructs systemic net chart according to the accomplished state of the tasks after studying the net plan technic and CG poject characteristic.
3. It researches the optimization algorithm of project scheduling. At first, it realizes the time-cost optimization by the traditional optimization algorithm of net plan; then, it utilizes heuristic algorithm and immune genetic algorithm (IGA) to achieve the double optimized object which are the shortest time and resource equilibrium after studying the time-resource optimization and compares one algorithm to the other.
4. It proposed a integrated model which optimizes cost, time and resource in the same process.
At last, this paper applys all the optimization algorithms to the CG project and provides decision-makers the basis of schedule controling.
引文
[1]程国平,黄沛钧.实用网络计划技术.第一版.武汉:华中理工大学出版社,1991
[2]江景波,葛振明等.网络技术原理及应用.第一版.上海:同济大学出版社,1990
[3]马国丰,陈强.项目进度管理的研究现状及其展望.上海管理科学.2006(4):70-74
[4]曹吉鸣,张雷.从项目管理软件应用谈项目进度管理.建筑经济.2006(12):105-107
[5]Jack Gido,James P.Clements.Successful Project Management.2nd ed.北京:机械工业出版社2004
[6]陈舜.CG项目进度管理的研究与实现.南京理工大学硕士学位论文,2006
[7]袁军,曹德成.项目进度管理:模型与方法.工程经济.2003(3):8-14
[8]人工神经网络.http://baike.baidu.com/view/19743.html?wtp=tt
[9]罗文坚,曹先彬,王熙法.关于一种免疫遗传算法的性能分析.系统仿真学报.2006,18(4):873-876
[10]吕军,冯博琴.免疫遗传算法及其应用研究.微电子学与计算机.2005,22(6):221-224
[11]曾茜,张著洪.免疫遗传算法及其对资源受限工期最短问题的应用.贵州大学学报(自然科学报)2007,24(3):268-273
[12]李太成,章跃林,洪松.施工项目进度比较与计划调整.http://blog.163.com/songjf2008@ 126/blog/static/31566374200801811438739/
[13]梁鸿生,郝勇娜,王凯,柴继河.免疫算法.昆明理工大学学报(理工版).2003,28(5):72-76
[14]李金城,张国忠,滕红丽,周晟,吴红霞.免疫算法研究.沈阳航空工业学院学报.2005,22(5):82-85
[15]Hegazy T.Computer-based Construction Project Management.1st ed.N.J.:Prentice-Hall,2002
[16]李春华,毛宗源.基于人工免疫算法的多目标函数优化.计算机测量与控制.2005:278-280
[17]莫宏伟,金鸿章.免疫算法原理与应用.航空计算技术.2002,32(4):49-51
[18]Syswerda G.Uniform Crossover in Genetic Algorithm.Morgan Kaufmann:Proc.Of 3rd Int.Conf.On Genetic Algorithms,1989:2-9
[19]Michalewicz Z,et.al.A Modified Genetic Algorithm for Optimal Control Problems.Computers Math.Application,1992(12):83-94.
[20]蔚林巍,徐今勇.优化项目管理.实务方法.2003(12):30-33
[21]廖胜芳,刘海深,陶德滋.网络计划技术原理与应用.第1版.北京:北京航空学院出版 社,1987
[22]杨冰.搭接网络计划计算模型的改进.中国公路学报.2002,15(1):116-118
[23]胡志文.试论项目管理和进度控制的实践。石油化工设计.2002,19(2):5-10
[24]邬晓光,李彦伟,吕文全.网络计划工期与成本优化原理及应用研究.东北公路.2003,26(3):124-126
[25]白思俊.资源有限的网络计划与启发式优化方法及其评价与选择:启发式优化方法综述.中国管理科学.1993(2):30-38
[26]王会玲,刘民,吴澄.启发式算法在网络计划多资源平衡中的应用.计算机工程与应用.2003:226-228
[27]Bersini H,Varela F.Hints for adaptive problem solving gleaned from immune network[A].Parallel Problem Solving from Nature[C].Berlin Heidelberg:Springer--Verlag 1991:343--354.
[28]蔡自兴,龚涛.免疫算法研究的进展.控制与决策.2004,19(8):841-846
[29]杨唐胜,陈文清,朱瑞赓.一种与遗传算法类似的人工免疫算法。武汉理工大学学报.2005,27(10):106-108
[30]葛红.免疫算法综述.华南师范大学学报(自然科学版).2002:120-127
[31]祝庚.遗传算法及轮盘赌选择的C++实现.东莞理工学院学报.2007,14(5):70-74
[32]薛文涛,吴晓蓓,徐志良.基于双变异算子的免疫规划。控制与决策.2007,22(12):1411-1416
[33]姜新农,王文香.基于改进免疫克隆算法的BP网络权值优化。计算机仿真.2007,24(2):165-168
[34]毕惟红,任红民,吴庆标.一种新的遗传算法最优保存策略。浙江大学学报(理学版).2006,33(1):32-35
[35]余有明,刘玉树,阎光伟.遗传算法的编码理论与应用.计算机工程与应用.2006:86-89
[36]葛修润.遗传算法、人工神经网络、粒子群优化算法的改进与岩石本构数值模拟研究.上海交通大学博士学位论文,2005
[37]杨海军,李敏强.进化算法中基于排序选择下的准确模式理论。系统工程学报.2004,19(1):79-85
[38]田东平.遗传算法中的交叉算子研究.内蒙古师范大学学报(自然科学汉文版).2007,36(3):20-23
[39]游雪肖,胡松林.遗传算法模式理论研究.湖北师范学院学报(自然科学版).2007,27(1):24-28
[40]姚建斌,行小帅,霍冰鹏.基于免疫规划的单亲遗传算法研究及其应用.系统工程与 电子技术.2007,29(4):636-639
[41]蒋绍先,孔韬,魏瑞轩.粒子群算法的最小值边界变异策略.电光与控制.2007,14(6):88-91
[42]彭丹平,林志毅,王江晴.求解TSP的一种改进遗传算法.计算机工程与应用.2006:91-93
[43]冉桂萍,刘胜辉,张宏国.一种项目多资源平衡启发式算法.哈尔滨理工大学学报.2005,10(2):37-40
[44]胡江强,郭晨,李铁山.启发式自适应免疫克隆算法.哈尔滨工程大学学报.2007,28(1):1-5
[45]徐华,于勇.一种实用的启发式资源平衡优化算法的改进.哈尔滨商业大学学报(自然科学版).2004,20(4):459-462
[46]曾毅.一种免疫算法的改进.华东交通大学学报.2007,24(1):123-128
[47]吕有祥,高迟.一种免疫算法的研究.机电产品开发与创新.2006,19(3):31-33
[48]葛红.免疫算法与遗传算法比较.暨南大学学报(自然科学版)。2003,24(1):22-25
[49]周芳,邓乐斌.免疫算法与遗传算法的比较.郧阳师范高等专科学校学报.2004,24(3):8-10
[50]于习晓,杨孔雨.免疫算法及其应用研究进展.哈尔滨工程大学学报.2006(27):331-335
[51]葛红,毛宗源.免疫算法的实现.计算机工程.2003,29(5):62-64
[52]葛红,毛宗源.免疫算法的改进.计算机工程与应用.2002:47-50
[53]王卫荣,金鹏,黄康.免疫遗传算法及其在多目标优化设计中的应用.机械工程与自动化.2006(6):10-12
[2]江景波,葛振明等.网络技术原理及应用.第一版.上海:同济大学出版社,1990
[3]马国丰,陈强.项目进度管理的研究现状及其展望.上海管理科学.2006(4):70-74
[4]曹吉鸣,张雷.从项目管理软件应用谈项目进度管理.建筑经济.2006(12):105-107
[5]Jack Gido,James P.Clements.Successful Project Management.2nd ed.北京:机械工业出版社2004
[6]陈舜.CG项目进度管理的研究与实现.南京理工大学硕士学位论文,2006
[7]袁军,曹德成.项目进度管理:模型与方法.工程经济.2003(3):8-14
[8]人工神经网络.http://baike.baidu.com/view/19743.html?wtp=tt
[9]罗文坚,曹先彬,王熙法.关于一种免疫遗传算法的性能分析.系统仿真学报.2006,18(4):873-876
[10]吕军,冯博琴.免疫遗传算法及其应用研究.微电子学与计算机.2005,22(6):221-224
[11]曾茜,张著洪.免疫遗传算法及其对资源受限工期最短问题的应用.贵州大学学报(自然科学报)2007,24(3):268-273
[12]李太成,章跃林,洪松.施工项目进度比较与计划调整.http://blog.163.com/songjf2008@ 126/blog/static/31566374200801811438739/
[13]梁鸿生,郝勇娜,王凯,柴继河.免疫算法.昆明理工大学学报(理工版).2003,28(5):72-76
[14]李金城,张国忠,滕红丽,周晟,吴红霞.免疫算法研究.沈阳航空工业学院学报.2005,22(5):82-85
[15]Hegazy T.Computer-based Construction Project Management.1st ed.N.J.:Prentice-Hall,2002
[16]李春华,毛宗源.基于人工免疫算法的多目标函数优化.计算机测量与控制.2005:278-280
[17]莫宏伟,金鸿章.免疫算法原理与应用.航空计算技术.2002,32(4):49-51
[18]Syswerda G.Uniform Crossover in Genetic Algorithm.Morgan Kaufmann:Proc.Of 3rd Int.Conf.On Genetic Algorithms,1989:2-9
[19]Michalewicz Z,et.al.A Modified Genetic Algorithm for Optimal Control Problems.Computers Math.Application,1992(12):83-94.
[20]蔚林巍,徐今勇.优化项目管理.实务方法.2003(12):30-33
[21]廖胜芳,刘海深,陶德滋.网络计划技术原理与应用.第1版.北京:北京航空学院出版 社,1987
[22]杨冰.搭接网络计划计算模型的改进.中国公路学报.2002,15(1):116-118
[23]胡志文.试论项目管理和进度控制的实践。石油化工设计.2002,19(2):5-10
[24]邬晓光,李彦伟,吕文全.网络计划工期与成本优化原理及应用研究.东北公路.2003,26(3):124-126
[25]白思俊.资源有限的网络计划与启发式优化方法及其评价与选择:启发式优化方法综述.中国管理科学.1993(2):30-38
[26]王会玲,刘民,吴澄.启发式算法在网络计划多资源平衡中的应用.计算机工程与应用.2003:226-228
[27]Bersini H,Varela F.Hints for adaptive problem solving gleaned from immune network[A].Parallel Problem Solving from Nature[C].Berlin Heidelberg:Springer--Verlag 1991:343--354.
[28]蔡自兴,龚涛.免疫算法研究的进展.控制与决策.2004,19(8):841-846
[29]杨唐胜,陈文清,朱瑞赓.一种与遗传算法类似的人工免疫算法。武汉理工大学学报.2005,27(10):106-108
[30]葛红.免疫算法综述.华南师范大学学报(自然科学版).2002:120-127
[31]祝庚.遗传算法及轮盘赌选择的C++实现.东莞理工学院学报.2007,14(5):70-74
[32]薛文涛,吴晓蓓,徐志良.基于双变异算子的免疫规划。控制与决策.2007,22(12):1411-1416
[33]姜新农,王文香.基于改进免疫克隆算法的BP网络权值优化。计算机仿真.2007,24(2):165-168
[34]毕惟红,任红民,吴庆标.一种新的遗传算法最优保存策略。浙江大学学报(理学版).2006,33(1):32-35
[35]余有明,刘玉树,阎光伟.遗传算法的编码理论与应用.计算机工程与应用.2006:86-89
[36]葛修润.遗传算法、人工神经网络、粒子群优化算法的改进与岩石本构数值模拟研究.上海交通大学博士学位论文,2005
[37]杨海军,李敏强.进化算法中基于排序选择下的准确模式理论。系统工程学报.2004,19(1):79-85
[38]田东平.遗传算法中的交叉算子研究.内蒙古师范大学学报(自然科学汉文版).2007,36(3):20-23
[39]游雪肖,胡松林.遗传算法模式理论研究.湖北师范学院学报(自然科学版).2007,27(1):24-28
[40]姚建斌,行小帅,霍冰鹏.基于免疫规划的单亲遗传算法研究及其应用.系统工程与 电子技术.2007,29(4):636-639
[41]蒋绍先,孔韬,魏瑞轩.粒子群算法的最小值边界变异策略.电光与控制.2007,14(6):88-91
[42]彭丹平,林志毅,王江晴.求解TSP的一种改进遗传算法.计算机工程与应用.2006:91-93
[43]冉桂萍,刘胜辉,张宏国.一种项目多资源平衡启发式算法.哈尔滨理工大学学报.2005,10(2):37-40
[44]胡江强,郭晨,李铁山.启发式自适应免疫克隆算法.哈尔滨工程大学学报.2007,28(1):1-5
[45]徐华,于勇.一种实用的启发式资源平衡优化算法的改进.哈尔滨商业大学学报(自然科学版).2004,20(4):459-462
[46]曾毅.一种免疫算法的改进.华东交通大学学报.2007,24(1):123-128
[47]吕有祥,高迟.一种免疫算法的研究.机电产品开发与创新.2006,19(3):31-33
[48]葛红.免疫算法与遗传算法比较.暨南大学学报(自然科学版)。2003,24(1):22-25
[49]周芳,邓乐斌.免疫算法与遗传算法的比较.郧阳师范高等专科学校学报.2004,24(3):8-10
[50]于习晓,杨孔雨.免疫算法及其应用研究进展.哈尔滨工程大学学报.2006(27):331-335
[51]葛红,毛宗源.免疫算法的实现.计算机工程.2003,29(5):62-64
[52]葛红,毛宗源.免疫算法的改进.计算机工程与应用.2002:47-50
[53]王卫荣,金鹏,黄康.免疫遗传算法及其在多目标优化设计中的应用.机械工程与自动化.2006(6):10-12