|
软件行业中的多项目管理研究报告
2005-12-26 http://www.51report.com
|
-
-
- 【报告名称】:软件行业中的多项目管理研究报告
-
- 【出版日期】:2005年5月
-
- 【交付方式】:EMAIL电子版或特快专递
-
- 【价 格】:印刷版:4600元 电子版:4600元
-
- 【订购电话】:010-64986059 【在线订购】
-
-
- 〖 描 述 〗
-
- 随着信息技术的快速发展和应用领域的扩大深入,软件项目管理和多项目管理正在成为当前及未来项目管理研究的热点之一,它为解决软件危机所表现出的各种问题提供了思路和方案。因此本文针对多个项目下的软件项目管理进行了研究,提出了适用于多项目下软件项目管理的一些新的思想和算法,并且在计算机上对算法进行了编程和验证。 本文首先介绍了软件项目管理和多项目管理的基本思想,探讨了软件项目计划和多项目软件估算,提出了适用于多项目估算的 COCOMO 改进模型;接着探讨了多项目软件进度管理和资源优化,着重论述了如何制定多项目软件进度计划;最后详细探讨了多项目资源平衡优化的常用算法和改进算法,着重论述了如何应用启发式算法和遗传算法来解决多项目资源平衡问题,且将启发式算法和遗传算法在多项目资源平衡问题上的优化效果进行了对比,并得到相应结论。
-
-
- 〖 目 录 〗
-
- 1 绪论 10-22
- 1.1 项目与项目管理 10-13
- 1.1.1 项目的定义 10
- 1.1.2 项目的特点 10-11
- 1.1.3 项目管理的定义 11
- 1.1.4 项目管理的特点 11-12
- 1.1.5 项目管理的组成 12-13
- 1.2 软件项目管理 13-17
- 1.2.1 软件项目管理概述 13
- 1.2.2 软件项目的特点 13-14
- 1.2.3 软件项目管理的常见问题 14-16
- 1.2.4 软件项目管理原则 16-17
- 1.3 多项目管理 17-19
- 1.3.1 研究多项目管理的意义 17-18
- 1.3.2 多项目管理的特点 18
- 1.3.3 在软件企业中如何应用多项目管理 18-19
- 1.4 软件行业项目管理的现状 19-20
- 1.4.1 国外项目管理的现状与发展趋势 19-20
- 1.4.2 我国项目管理的现状与发展 20
- 1.5 本文主要工作和贡献 20-22
-
- 2 软件项目计划 22-32
- 2.1 软件项目计划的主要内容和目标 22-23
- 2.1.1 软件项目计划的主要内容 22
- 2.1.2 制定软件项目计划的目标 22-23
- 2.2 软件项目计划的关键步骤 23
- 2.3 软件项目估算 23-26
- 2.3.1 软件项目估算的主要内容 24-25
- 2.3.2 软件项目规模估算方法 25
- 2.3.3 软件项目工作量、成本及进度估算方法 25-26
- 2.4 软件风险管理 26-31
- 2.4.1 软件风险识别 27-28
- 2.4.2 软件风险分析 28-30
- 2.4.3 软件风险应对策略 30-31
- 2.5 本章小结 31-32
-
- 3 多项目下的软件估算 32-35
- 3.1 多个项目的规模估算 32
- 3.2 多个项目的工作量、成本及进度估算 32-33
- 3.2.1 多项目工作量估算 32
- 3.2.2 多项目工作时间估算 32-33
- 3.2.3 适用于多项目估算的COCOMO 改进模型 33
- 3.3 实例 33-34
- 3.4 本章小结 34-35
-
- 4 多项目下的软件进度管理和资源优化 35-42
- 4.1 多项目下的软件进度管理 35-39
- 4.1.1 多项目软件进度管理的主要工作 35-36
- 4.1.2 项目网络图 36-37
- 4.1.3 制定多项目进度计划 37-39
- 4.2 资源优化 39-41
- 4.2.1 资源负荷 39
- 4.2.2 资源平衡 39-41
- 4.3 本章小结 41-42
-
- 5 多项目资源平衡的常用算法 42-55
- 5.1 启发式算法概述 42-43
- 5.2 应用启发式算法求解多项目资源平衡问题 43-54
- 5.2.1 启发式规则 44
- 5.2.2 实例一 44-49
- 5.2.3 实例二 49-54
- 5.3 本章小结 54-55
-
- 6 基于GA 的多项目资源平衡改进算法 55-67
- 6.1 遗传算法概述 55-57
- 6.1.1 什么是遗传算法 55-56
- 6.1.2 遗传算法的算法描述 56-57
- 6.2 应用遗传算法求解多项目资源平衡问题 57-65
- 6.2.1 多项目的资源平衡问题的数学模型 57-58
- 6.2.2 遗传算法设计 58-59
- 6.2.3 实例一 59-61
- 6.2.4 实例二 61-65
- 6.3 遗传算法和启发式算法对多项目的资源平衡优化效率对比 65-66
- 6.4 本章小结 66-67
-
- 7 全文总结 67-69
- 7.1 本文工作总结 67-68
- 7.2 未来工作展望 68-69
| |
|