智能网络计划项目风险传递模型及应用优化

风险管理项目是广义项目风险元传递理论的重要方面。传统的网络计划技术在解决项目风险管理问题时遇到了很大障碍，往往不能准确地预测风险，造成大量的费用损失。针对考虑风险因素的费用—工期优化问题，本节6.2.1建立了网络计划风险元模型，将风险元分为离散型和连续型两种情况分别讨论：在离散型模型中引入费用矩阵和风险元矩阵，得到了相应的规划模型；在连续型中利用机器学习模型的思想，使期望风险达到最小。在此基础上，利用遗传算法高效、快速的全局搜索能力，对Feng等人提出的遗传算法（GA）进行改进，增加风险因素，最终得到了考虑风险因素的费用—工期曲线，有效地解决了项目风险管理的费用优化问题。

此外，本节6.2.2对网络计划做了重新定义，结合神经网络理论，将经典的网络图转化为基于神经网络的网络图。在此基础上，对工程项目所受风险进行分类，并利用专家评价的方式给出风险在各个工序阶段的评价指标。将该指标作为神经网络的输入向量，设置一定的权值和阈值之后，计算出网络图中各个工序的风险度，进而求出从起点到终点的所有网络路线的总风险度。最后，用实例验证了本算法的有效性。(www.xing528.com)

最后，本节6.2.3在6.2.1、6.2.2的基础上，提出了一种新的神经网络模型——风险神经网络（RNN）模型。通过对人工神经网络（ANN）模型进行分析，在网络中引入解析、加权、聚合三种运算规则，求解隐层的随机变量的特征函数，建立了风险神经网络的一系列定义，提出了前馈型和多隐层型两种典型的风险神经网络传递模型。在定义的基础上，将风险元分为离散型和连续型两种情况分别讨论，最终得到了风险神经网络的解析模型。