计算机工程与应用

作者：曾鸣, 戴业东, 刘万安

单位：杭州电子科技大学 管理学院，杭州 310018；

关键词：资源受限项目调度,求解器推荐,数据驱动,树集成算法,SHAP模型

基金：国家自然科学基金（72401079）。

资源受限项目调度问题（RCPSP）广泛存在于工程管理等领域，高效求解该问题对项目管理至关重要。然而，RCPSP固有的NP-hard特性，使得现有求解方法的性能表现出强烈的项目实例依赖性，难以找到一种通用的高效算法。为此，提出一种基于数据驱动的RCPSP求解器推荐框架，实现针对不同项目实例的智能化算法选择，从而克服现有算法选择方案的盲目性，提升求解效率。该框架的构建源于对RCPSP问题特征与算法性能之间复杂关系的洞察，试图利用机器学习方法挖掘这种潜在关系，并将其转化为指导算法选择的知识。构建了包含网络拓扑、资源和时间三个维度特征集的RCPSP求解算法推荐数据集；结合特征选择方法提取最优特征子集，构建基于树集成算法的推荐模型，以学习这种复杂映射关系的内在规律，实现精准的算法推荐；利用SHAP模型对推荐模型进行归因分析，剖析影响算法选择的关键项目特征，为项目管理人员提供更具解释性的决策支持。实验结果表明，所提出的推荐框架在四个数据集上的推荐准确率均超过70%，且在各项指标上均优于其他推荐算法。资源强度、项目工期下界和网络宽度等特征被证实对算法选择具有重要影响，该研究验证了数据驱动方法在破解RCPSP算法选择难题方面的可行性和有效性，为项目管理人员提供了科学化、智能化的算法选择方案，有效降低了决策难度，有助于提升项目管理效率。

来源：2026年第5期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第5期