能源项目规划范文篇1

[关键词]多目标规划；资源优化配置；整体目标；项目贡献度

[中图分类号]F224.31[文献标识码]A[文章编号]1673-0194（2013）04-0061-03

运筹学是近40年发展起来的一门新型学科。它用定量分析的方法为管理决策提供科学的依据。线性规划是运筹学发展中比较成熟的重要分支，其本身具有一套成熟而完善的理论体系。对于一些单目标的决策规划问题，线性规划有着极其广泛的应用[1]。然而随着现代社会的迅速发展，现实管理过程中出现了大量复杂的多目标决策问题，很多情况下目标之间不仅互为影响，甚至充满了矛盾和冲突。譬如：目标A要求某任务的质量达到最高水平；目标B要求实现该任务的成本必须达到最低水平，显然两者对同一个任务来说是互为制约的目标。由此可见如何科学地平衡这些目标进而达到整体效益最大化，是需要深入思考的。通过研究人们发现，传统的一些管理办法是不能有效地解决上述问题的。为此多目标决策问题的研究便应运而生，其中又以多目标线性规划问题最引人注目，这是因为一般日常工作中的决策优化问题，很多情况下目标函数与变量之间，约束条件与变量之间往往存在着一定的线性函数关系，即使某些复杂的非线性函数关系也可采用一些线性逼近法进行处理。多目标线性规划与传统方法在方法论上是有所不同的，它的核心思想是强调系统性：即多目标规划方法在于寻找一个“尽可能”满足所有目标的满意解，而不是寻找绝对满足这些目标的值[1]。

1多目标线性规划问题的数学模型及特点

一般形式（向量形式）为[2]：minZ=CQ满足AX+Q′+Q″=BX，Q，Q′，Q″>0，这里C、Q、A、X、Q′、Q″、B均为矩阵或向量的形式。与线性规划相比，多目标规划标准型的特点在于：

（1）构建偏差列向量Q′、Q″。分别为负、正偏差列向量，各有m（m是约束方程的个数）个元素。负偏差变量的含义为当实际值小于目标值时，实际值与目标值的偏差为负偏差，正偏差变量则为当实际值大于目标值时，实际值与目标值的偏差为正偏差。

（2）价值系数行向量C。C的元素最多不超过2m个，由目标优先权等级Pi（i=1，2，…，2m）和目标优先权系数ηi组成。目标优先权排序P[1]，P[2]，…，P[2m]给出了多目标规划迭代过程中实现目标的顺序。低级目标的实现不能影响高级目标的实现。

（3）在多目标规划的目标函数中，出现的变量只能是偏差变量。目标优先权等级Pi既不是变量，也不是常数，它只是说明不同目标实现的先后顺序，Pi的确定一般是由决策部门根据单位具体情况及各目标的轻重缓急加以确定的。而同级目标优先级系数ηi，则通常用来说明同一优先级目标相互之间的比例关系，比例关系的确定应按具体问题的性质和决策要求来定义。

（4）多目标规划的目标函数是向量值函数，一般情况下不存在通常意义的最优解，而是一组解的向量空间。因此多目标规划主要考虑如何使问题的向量目标在某种意义下获得非劣的有效解。必须根据决策者的满意程度在有效集中找到最终满意解作为决策的依据。

2多目标规划在项目管理中的意义

纵观项目管理领域，决策问题可谓种类繁多，因为除了一些普遍的原则以外，更多的决策问题取决于项目本身的关注点和具体的目标要求。然而有一点是能达成共识的，即在多项目组合管理中，如何在确保实现某单位整体战略目标的基础上，兼顾各个项目的目标，并自上而下地平衡和协调各个项目的资源使用，使得现有的资源能得到最大化地利用是项目组合资源优化管理中的核心问题。实际工作中通常的情况是项目管理委员会可能会从两方面来考虑：第一种情况，要求项目A完工时间必须最短，项目B预算成本最低，项目C质量最好，项目D所使用的人员最少等，这种情况下，各个目标的关注点不同，因而目标相互之间独立，无明显的冲突和矛盾。第二种情况，要求每个项目无论是成本、完工时间、质量和资源配置等目标都要同时最优化。这种情况下，目标之间往往互为影响，甚至存在严重的冲突。前面的分析已经指出，很难利用线性规划来解决上述问题。因为线性规划只研究在满足一定条件下，单一目标函数如何取得最优解，线性规划也并不区分各个约束条件重要性。而多目标规划能弥补线性规划的这些局限性，特别是当出现多个目标互为制约和矛盾时，通过多目标规划方法，使一些线性规划无法解决的问题能得到满意的解答。本文正是从这个角度出发，来研究现有资源的优化和配置问题，特别是针对第二种情况，通过分析具体问题建立相应的规划模型，以期获得各个项目应具有的贡献度，并在此基础上为今后的各项具体管理决策提供科学的依据。

3研究方法

3.1首先设定项目管理部门的整体目标

对于一个项目管理部门来说，需要制定一些整体目标。这些目标的制定可以通过统计推断历史数据，或通过线性规划，也可通过其他定量化方法得到。总之，一般来说我们总可假设，在作多目标管理决策前，这些整体目标数据是存在的。

3.2区分各个目标的优先等级

因为现有资源总是有限的，且当目标之间出现不可调和的矛盾时，必然需要将目标按重要性的不同分成一级目标、二级目标，等等。可以把目标优先级作如下约定：

（1）对同一个目标而言，若有几个决策方案都能使其达到，可认为这些方案就这个目标而言都是最优方案；若达不到，则与目标差距越小的方案越好。

（2）不同级别的目标的重要性是不可比的。所以在判断最优方案时，首先判断较高级别的目标是否达成，如果达成的话，再进行下级目标的判断。

（3）同一级别的目标可以是多个。它们之间的重要程度可用数量（权数）来描述。

（4）若多目标规划问题的解能使所有的目标都达到，就称该解为多目标规划的最优解；若解只能满足部分级别较高的目标，就称该解为多目标规划的次优解或可行解。若找不到满足任何一个目标的解，就称该问题为无解，这表明当前所有的约束条件互为矛盾，提示管理层应该重新设定可行的目标。

能源项目规划范文篇2

关键词：项目管理人力资源发展规划预测

项目规划对项目经理来说并不陌生，他们可以提出一系列行之有效的规划方案。可是如何作好项目人力资源规划问题，他们往往推托说“车到山前必有路”。人力资源是一种有思想、有主见的资源，不容小觑，所以做好项目人力资源规划工作是具有重大意义的。再者，由于项目是一个“临时性”而又“永久性”的组织，所以对人的规划更要谨慎。

邓聚龙先生提出的GM（1，1）模型是灰色预测模型，已广泛应用于工业、农业、经济等领域，它是解决涉及数字问题的一种“万能公式”。项目人力资源规划主要是人力资源数量结构上的发展预测，其预测方法更多的需要运用到GM（1，1）模型。

一、项目人力资源发展规划的必要性

（一）摒除传统观念对项目人力资源工作的束缚

有人会提出这样的一个问题：如果一个项目做完了，项目小组就解散了，对其进行规划，简直就是浪费精力，浪费金钱，我们应当根据具体项目来配置人员，确定人员数量。

这是传统的对于项目的认知，项目虽然是一个临时性的组织，却有存在的必要性和长久性。请试想一下：项目组辛辛苦苦拿到一个项目，目前项目人员的配置工作尚未成立而搁浅，须等项目小组人员配置都归位才开始进行项目前的培训，要延误了多少时机，影响了项目的最终收益。

（二）项目人力资源规划的战略地位

项目管理工作首先是从项目规划开始的，规划有利于减少项目未来的不确定性。项目人力资源管理的重要性在于其战略地位，而战略地位的保证则是人力规划的制定与实施。人力资源规划是项目计划的重要组成部分，是各项具体人力资源管理活动的起点与依据。就像一个出色的裁缝师可以用最少的布料做出一套舒适称身的西装，有效的人力规划可以预防项目机构的臃肿，使资源的配置达到最优化。

（三）项目型组织结构的出现

项目型组织结构中，项目经理取代了职能经理，来进行日常的管理工作。项目成员也由原来的临时性的抽调而转变为全职员工。即体现了项目小组人员不会因一个项目的终止而脱离项目。项目小组和其他机构一样，成为了一个日常性组织。当然这个日常性组织却不同于其他组织，项目经理对于项目小组具有全部的控制权。它有着自己的特殊的人才机理，囊括了形形的人才，拥有了各部门的精英。

项目型组织的出现，给项目人力资源的规划工作提供了前提，也提供了长期发展的可能性。倘使没有项目型组织结构的出现，项目也只是昙花一现，没有持久性，更别提项目的人力资源规划问题了。

（四）人力资源管理工作的不确定性

人力资源工作具有很大的不确定，项目人力资源管理工作很容易陷入“计划赶不上变化”的局面，常常会出现这样的现象：岗位职责界定不清，人员涣散；人员没有合理配置，人才浪费；没有形成人才梯队，后备人才不足；人员素质不高，缺少发展动力，给项目的执行工作带来了很大的潜在问题。所以做好项目人力资源规划工作意义重大。

二、GM（1，1）模型在项目人力资源发展规划数量预测中的应用

（一）算法的应用条件及在项目人力资源规划数量预测中应用的可行性分析

GM（1，1）模型是灰色预测法中最简单的一种，它是把灰色系统中的各因素主要定位为时间与其它因素之间的关系。其应用条件如下：

GM（1，1）系统内的一部分信息是已知的，另一部分则未知，且时间与其它因素之间具有不确定关系，虽有很多不确定性，所呈现的现象是随机的，但仍具有一定的有序性，故具备潜在的规律性。其前提就是信息的不确定性，而人力资源规划数量预测也是一个不确定性的问题。项目管理者可根据以往人力资源的记录并运用合理的预测工具，推断出项目人力资源的前景，为其他项目工作提供更好的前提和条件，以实现项目目的。

GM（1，1）的精髓是对不确定的系统关系进行预测，对于确定的信息系统则不能测定，项目人力资源规划数量预测系统中的项目人力资源与时间也是一种不确定性的关系，在这两者之间也存在某一准则，具有一些潜在的规律性。

（二）GM（1，1）算法的基本过程及应用实例

灰色简单模型GM（1，1）表示一阶的，一个变量的微分预测模型，用于时间序列预测的是其离散形式的模型。

设原始系列为

其累加生成序列X（1）为：

对一阶生成数列x（1），建立GM（1，1）模型

（1-1）

由导数的定义有，因为一般预测的系列都在时间上是离散的，我们以离散的形式表示，则：

又由于离散的关系，我们取x（1）（k）为x（1）（k）和x（1）（k-1）的均值。可以把公式（1-1）的微分方程表示为如下的离散方程：

（1-2）

其中。称（1-3）式为GM（1，1）模型，而把公式（1-1）的方程称为（1-2）的白化方程。这样可以得到如下的方程组：

（1-3）

对于（1-1）的方程组，用最小二乘法求解，和一元线性回归的参数估计方法相同，可得（1-4）

式中：，

进行GM（1，1）预测

（1-5）

这就是灰色简单模型GM（1，1）的预测公式。

下面是某发展中企业某项目小组在2006―2009年人力资源的原始数据，现需要预测2013年的人力资源发展规模。

将2006―2009年的人力资源总数作为一个灰色数列，设原始统计数列X（0）={120，135，138，148}

第一步，形成累加数列：x（1）={120，255，393，541}

累计邻近均值数列：z（1）={187.5，324，467}

对一阶生成数列x（1），建立GM（1，1）模型；GM（1，1）模型相应的微分方程为：

其中：α称为发展灰数；μ称为内生控制灰数。

，

即a=-0.0467，u=125.1

起始年份是2006年，k=0；预测2013年，故k=7，带入公式得：

同理，可以计算出2013年的技术人才88人、行政人才为57人、公关人才为34人，最后形成该项目的人力资源结构。也可以计算出2010-2014年的各类人才的数量。如下表。

从表中我们可以看出：技术人才和公关人才的比重都有小幅度的增长，而行政人才的比重却在缓慢下降。根据已知的人力资源数量，合理安排项目小组成员的薪资、晋升等级、个人的职业生涯规划等等。

三、结论

项目人力资源规划具有很高的战略价值，灰色预测法便成了实现这一战略价值的重要手段。基于GM（1，1）所做的项目人力资源规划是最简单明了的方式，成了实现这一战略价值的最直接的战术。

参考文献：