资源受限的软件项目群调度问题研究

论文摘要

在软件企业实践中，大多数的软件项目不是孤立的，而是与其它项目之间存在资源竞争和信息交流等各种联系，而这些软件项目群之间的资源竞争，加剧了软件项目管理的复杂性。因此研究资源受限软件项目群调度问题的理论与方法，有利于软件项目管理领域的发展建设。本文围绕着资源受限软件项目群调度中的多技能员工配置问题、多模式多资源均衡问题和基于模糊关键链项目群调度问题展开研究，主要内容有：(1)针对软件项目的特殊性，详尽分析了软件企业项目群管理的内容和过程，并建立了软件项目群调度框架模型，该模型以项目群管理系统为核心，包括了需求管理、过程管理、文档管理等模块。最后给出了软件项目群调度过程的具体步骤。(2)多技能员工配置问题是当前软件企业实际工作中广泛存在的一种项目调度问题。在该问题中，每个员工掌握的技能不同，每项任务所需的技能也不尽相同。无法用传统的资源受限项目调度算法去处理项目群多技能员工配置问题。本文针对软件项目群多技能员工配置问题的特点，建立了以项目群总工期和总费用为目标的调度模型，然后将云模型嵌入到基于Pareto的向量评价微粒群算法中，提出了一种新的基于云多目标微粒群算法。最后通过一个软件研发案例验证了该方法的有效性和可行性。(3)对于许多软件研发项目，每项任务可能有多种不同的执行模式，每种执行模式代表不同的资源需求与工期组合。对此类软件项目群进行资源均衡优化时，不仅要调整各项任务的实际开工时间，还要选取合适的执行模式，这就是软件项目群多模式多资源均衡问题。由于该问题中，任务工期是离散分布的，所以软件项目群多模式多资源均衡问题属于不确定环境下的离散软件项目群调度问题的范畴。本文提出了软件项目群多模式多资源均衡优化方法，该方法通过建立多目标优化模型，能同时对项目群工期、资源总量和资源方差进行优化。在算法设计上，我们将种群竞争模型嵌入到基于Pareto的向量评价微粒群算法中，提出了一种新的基于动态种群的多目标微粒群算法。该算法结合任务执行模式和开工时间设计了微粒编码，并可根据优化目标动态调整各子微粒群的规模。最后，通过“任务模式数相等”和“任务模式数不等”两个软件研发案例，测试了新算法的性能，结果表明该算法对于求解软件项目群多模式多资源均衡问题是有效的。(4)现有的关键链多项目调度方法一般基于概率论基础，要求给出任务工期的概率分布，这对于缺乏历史统计数据的软件项目是非常困难的，因而现有关键链多项目调度方法并不适用于不确定环境下的软件项目群调度问题。本文首先借鉴了模糊关键链管理领域的相关研究成果，分析了现有的任务工期估算方法的缺陷和不足，提出了基于德尔菲的任务工期模糊估算法。然后研究了模糊关键链项目群调度中能力约束缓冲的设置方法，该方法充分考虑了能力约束任务的复杂性、资源紧张度和安全时间。最后通过软件案例验证了该方法能以较高的可能性提供足够的错开时间，同时对项目群最终完工率影响很小。本论文的研究能够为软件企业优化配置各种项目资源提供理论依据，为相关调度软件的开发提供研究基础，进而提高软件项目群的综合效益。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究意义
• 1.3 软件项目调度问题的研究现状
• 1.3.1 国外软件项目调度问题的研究现状
• 1.3.2 国内软件项目调度问题的研究现状
• 1.3.3 研究现状评述
• 1.4 研究内容、研究方法和技术路线
• 1.4.1 研究内容
• 1.4.2 研究方法和技术路线
• 1.5 创新点
• 第二章 相关理论与方法综述
• 2.1 资源受限项目调度问题的网络建模
• 2.1.1 确定性网络模型
• 2.1.2 随机网络模型
• 2.1.3 不确定性网络模型
• 2.2 经典资源受限项目调度问题
• 2.2.1 问题描述及其数学模型
• 2.2.2 精确求解方法
• 2.2.3 启发式算法
• 2.2.4 智能优化算法
• 2.3 资源受限项目调度问题的扩展
• 2.3.1 多项目调度问题
• 2.3.2 多技能资源受限项目调度问题
• 2.3.3 多模式资源受限项目调度问题
• 2.3.4 资源均衡问题
• 第三章 软件项目群调度体系的构建
• 3.1 软件项目群管理
• 3.1.1 项目群管理特点与内容
• 3.1.2 软件项目群管理特点
• 3.1.3 软件项目群管理的过程
• 3.2 软件项目资源分类及其特征分析
• 3.3 软件项目群调度框架与过程分析
• 3.3.1 软件项目 WBS 及其实例
• 3.3.2 软件项目任务管理及其实例
• 3.3.3 软件项目群调度框架分析
• 3.3.4 软件项目群调度过程分析
• 3.4 小结
• 第四章 基于 CMOPSO 的软件项目群多技能员工配置
• 4.1 问题描述及其数学模型
• 4.2 基于 Pareto 的向量评价微粒群算法
• 4.2.1 多目标优化问题
• 4.2.2 微粒群算法概述
• 4.2.3 基于 Pareto 的向量评价微粒群算法设计
• 4.3 云多目标微粒群算法
• 4.3.1 云模型概述
• 4.3.2 云多目标微粒群算法设计
• 4.4 基于 CMOPSO 的软件项目群多技能员工配置算法
• 4.4.1 编码设计
• 4.4.2 算法流程
• 4.5 案例分析
• 4.5.1 应用案例
• 4.5.2 计算结果分析
• 4.6 小结
• 第五章 基于 MOPSO-DP 的软件项目群多模式多资源均衡
• 5.1 序言
• 5.2 问题描述及其数学模型
• 5.2.1 问题描述
• 5.2.2 数学模型
• 5.3 基于动态种群的多目标微粒群算法
• 5.3.1 种群竞争模型概述
• 5.3.2 基于动态种群的多目标微粒群算法设计
• 5.4 基于 MOPSO-DP 的软件项目群多模式多资源均衡算法
• 5.4.1 编码设计
• 5.4.2 算法流程
• 5.5 案例分析一（任务模式数相等）
• 5.5.1 应用案例
• 5.5.2 计算结果分析
• 5.6 案例分析二（任务模式数不等）
• 5.6.1 应用案例
• 5.6.2 计算结果分析
• 5.7 小结
• 第六章 基于模糊关键链的软件项目群调度优化
• 6.1 基于德尔菲的任务工期模糊估算
• 6.1.1 梯形模糊数
• 6.1.2 任务工期的模糊估算
• 6.1.3 高真度工期和安全时间的确定
• 6.2 基于模糊关键链的软件项目群调度步骤
• 6.3 软件项目群缓冲区尺寸研究
• 6.4 案例分析
• 6.5 小结
• 第七章 论文总结与展望
• 7.1 论文总结
• 7.2 研究展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文