多项目环境下的time-cost置换问题优化研究

"这篇论文研究了汽车零部件库存与配送的整合优化问题，主要关注多项目环境下的time-cost置换问题，即在时间和成本之间寻求平衡。论文建立了一个双目标time-cost置换模型，旨在最小化各项目的总延迟和总成本。为了求解这个多目标优化问题，提出了一种基于NSGA-II非劣排序的局部直接搜索改进遗传算法，该算法对连续和离散资源情况都有较好的适应性，并能快速收敛到最优解。论文还对比了NSGA-II算法和ZDT系列测试函数，证明了所提算法的优越性。此外，文中指出传统的time-cost模型忽视了资源在时间和成本之间的关键作用，而本文的模型考虑了资源的离散性质，更符合实际项目的特征。" 在多项目管理的背景下，time-cost置换问题是一个重要的研究课题。传统方法通常是将一个目标转化为约束，如将成本或时间转化为底线问题。然而，这样的模型没有充分考虑资源的作用，而资源是连接时间和成本的关键因素。论文作者针对这一不足，构建了一个包含资源因素的双目标模型，同时考虑了资源的离散性和连续性。 论文引用了多种优化方法，如NSGA-II算法，这是一种基于pareto优化概念的经典多目标优化算法，虽然有较好的均匀性，但在深度搜索方面稍显不足。为了改进这一点，作者提出了一种局部直接搜索的改进遗传算法，该算法在保持较快收敛速度的同时，增强了对离散变量的搜索能力。 此外，论文还回顾了多目标优化技术的发展，特别是进化计算方法，如序列二次规划（SQP）在多目标领域的应用。尽管SQP在某些情况下表现出色，但它在处理离散变量时面临挑战。因此，提出的改进遗传算法解决了这个问题，更适合解决包含离散资源的多项目time-cost优化问题。 这篇论文深入探讨了多项目管理中的time-cost置换问题，提出了一种结合资源优化的双目标模型，并开发了一种改进的多目标优化算法，这对于汽车零部件库存与配送的整合优化提供了理论支持和解决方案。