简单启发式算法优化方法

基于优先规则的启发式算法（priority rule-based heuristic）结合了进度生成机制与优先规则来构造项目的可行进度计划（Almeida et al.，2016）。根据生成进度计划的数量和任务选取方式，可以将算法分为如下两类（Hartmann and Kolisch，2000）。

1.单次算法

如果采用上述的某一种SGS与某一种任务优先规则，则必然只能得到一个特定的进度计划，因此这样的方法被称为单次算法（single pass approach），或称为单通道算法。重复运行单次算法并不能得到新的进度计划。

2.多次算法

可以组合不同的SGS与不同的优先规则以得到不同的单次算法，并逐一调度从而得到多个进度计划。这样的方法被称为多次算法（multi-pass approach），或称为多通道算法。

常见的多次算法主要包括以下几种（Hartmann and Kolisch，2000；何正文等，2007）：(www.xing528.com)

（1）多优先规则法（multi-priority rule approach），即选择一种SGS，然后采用不同优先规则进行调度。

（2）正向逆向调度方法（forward-backward scheduling method），利用一种SGS，反复进行正向计算与逆向计算，从而得到一系列项目进度计划（Li and Willis，1992；Valls et al.，2005）。

（3）抽样算法（sampling method），一般只利用一种SGS和一种优先规则，但在选择任务时，不是直接根据任务优先值进行选择，而是根据任务优先值来计算任务的中选概率，然后根据概率进行随机选择。根据概率计算方式的不同，可以分为三类抽样算法（刘士新等，2001），即随机抽样（random sampling，RS）、偏倚随机抽样（biased ramdom sampling，BRS）及基于后悔值的偏倚随机抽样（regret based biased ramdom sampling，RBRS）。抽样算法由于引入了随机性，与其他多次算法在本质上有所区别，所以也有些学者将其归为单独的一类（Herroelen，2005）。相对于其他单次或多次算法而言，抽样算法在RCPSP问题中得到了较多的应用（Cooper，1976；Kolisch and Drexl，1996；Schirmer，2001；Tormos and Lova，2003），求解效果也好于其他基于优先规则的启发式算法（Hartmann and Kolisch，2000）。

（4）适应性启发式算法（adaptive heuristic）。该类算法基于任务数量、资源情况等项目特征参数决定所采用的SGS、优先规则及抽样方法。例如，Kolisch和Drex（l1996）设计的算法可以选择串行SGS或并行SGS，也可以选择LFT规则或WCS等规则。Shou（2005）则采用人工神经网络对任务优先规则进行动态选取。