李英攀，李亚峰，孙志凌，管 慧

(1. 武汉理工大学 土木工程与建筑学院， 湖北 武汉 430070；2. 中建三局第二建设工程有限公司， 湖北 武汉 430070)

工程项目资源优化可以使项目更合理、顺利地进行，合理的劳动力资源配置方案能够在保证项目工期的前提下，避免人员扎堆而增加施工现场人员管理成本，或者在有限的劳动力资源情况下，尽可能缩短工期，减少人工成本支出或获得提前竣工奖励，从而提高企业的经济效益，具有很强的实践意义[1]。由此可见，工程项目资源优化问题主要分为两类：“工期固定-资源均衡”问题和“资源有限-工期最短”问题[2]。本文拟先针对“工期固定-资源均衡”问题进行深入研究，该问题是典型的NP(Non-deterministic Polynomial)-hard问题，其求解难度和计算量随着工作或约束数量的增加而呈指数型增长，导致传统的甘特图分析、关键路径分析等人工计算方法的求解效率低下，并且其求解结果的最优性难以确定[3]。因此，粒子群优化算法[4]、遗传算法[5,6]、模拟退火算法[7]等机器学习算法在该问题上的应用被大量提出，用来避免传统方法繁琐的推断计算过程。但是，对比相关研究和大量重复实验发现，此类算法在应用中存在陷入局部最优的概率，即有概率只能得到次优的项目资源配置方案，不能达到资源均衡最优化的目的。

因此，本文拟开发一种应用于项目资源均衡优化问题的模拟退火遗传算法(Simulated Annealing Genetic Algorithm，SAGA)，以降低甚至消除陷入局部最优的概率，提高项目资源管理能力和资源使用效率。……