系统集成项目管理工程师备考资料(口袋应试第二版)24

网络规划和设计 - 关键路径法 CPM(关键路径、松弛时间) 网络规划和设计 - 关键路径法 CPM 阅读详情

计算题详解

口袋应试:在系统集成工程师的考试中,计算题占很重的比例,按照以往的考试经验,上午客观题一般在5-7分左右,下午案例更是必考计算题。本篇内容是信息系统项目管理师(高项)的计算题详解内容,是几年前我备考高项的时候再网络上找到的复习资料,时隔多年已经找不到出处了。该篇复习资料详细讲解了集成中级及高项所有计算题类型。强烈推荐必须掌握!!!。掌握该篇计算题不仅对中级考试有帮助,对将来高项的考试也有很好的复习作用。所以,学会信息系统项目管理的几个计算公式并熟练掌握是非常重要的。本篇文章汇集整理了网友、以及我个人复习时的资料,包含计算的公式和例题。学会本篇所有的计算公式和例题,考试中的计算题是没问题的。重点强调一下:关键路径法一定要会画,会算。挣值分析一定要弄懂PV、EV、AC、CV、SV、CPI、SPI都是什么,怎么算。否则想考过很难。

 


 

一、 时间管理:关键路径法(重点)、完工概率(难点)

 

关键路径法:上下午都可能考核,涉及到:ES、EF、LS、LF计算;关键路径计算、总时差、自由时差。

 

 完工概率:考核基础是三点估算法,标准差,在此基础上进行延伸,考核活动完成的概率,要求掌握标注差的公式以及对应的概率。应对的关键方法是“面积法”,通过“面积法”解百题。

 

原理:

 

●项目分解为若干任务(wbs)

 

●为每个任务确定工期(固定值)

 

●把所有的任务按逻辑关系连接起来,从开始到完成组成许多条路径

 

●计算所有路径的持续时间

 

●找出最长的路径和持续时间

 

(一)、关键路径的基本问题及答案

 

●问题:关键路径是什么

答案:在网络图的各条路径中,总工期最长的那一条或几条

 

●问题:关键路径可以超过一条吗?

答案:可以。可以有两条甚至以上

 

●问题:关键路径是一成不变的吗?

答案:不是。在进度计划的优化或项目实施过程中,关键路径可能发生变化

 

●问题:关键路径越多,对项目意味着什么?

答案:关键路径越多,项目的风险就越大,就越难管理

 

●问题:关键路径上可以有虚活动吗?

答案:    可以(在箭线法中)

 

 

●问题:会出现负浮动时间吗?

答案:    会。如果关键路径上的活动被延误了,或者管理层要求比原定日期提前完工

 

● 问题:出现负浮动时间时,怎么办?

答案:    负浮动时间必须尽快加以解决,可以进行赶工、快速跟进、并行等。

 

(二)、“ES”、“EF”、“LS”、“LF”的概念:

 

1、最早开始时间(ES):某项活动能够开始的最早时间。

 

2、最早结束时间(EF):某项活动能够完成的最早时间。EF=ES+工期估算

 

3、最迟结束时间(LF):为了使项目按时完成,某项工作必须完成的最迟时间

 

4、最迟开始时间(LS):为了使项目按时完成,某项工作必须开始的最迟时间 

 

 

 (三)、 “LS=LF”——工期估算

 

需要注意的几点:

 

1、关键路径上工作的最早开始时间等于最晚开始时间、最早结束时间等于最晚结束时间

 

2、总时差=本活动的最迟开始时间一本活动的最早开始时间

 

3、白由时差=紧后活动的最早开始时间一本活动的最早结束时间(如果有多个紧后活动,则紧后活动的最早开始时间是这些活动的最早开始时间的最早者)

 

●物理含义:某个工作(活动)的总时差是该工作的开工允许延误的时间,在该进时间内,不影响项目的工期。

 

● 某个工作(活动)的白由时差是该工作的完工允许延误的时间,在该时间内不影响项目的工期

 

 方法:

 

 

使用正推法计算最早开始日期(ES),最早结束日期(EF),

 

使用逆推法计算最迟开始日期(LS),最迟结束日期(LF),

 

开始节点ES为0时:总时差= LS – ES 或LF ‐ EF;工期=EF-ES或LF-LS;

 

 自由时差=紧后工作的ES ‐ 此活动的EF

 

开始节点ES为1时:

总时差= LS – ES 或LF ‐ EF;

工期=EF-ES+1或LF-LS+1

 

 自由时差=紧后工作的ES ‐ 此活动的EF ‐ 1

 

 

gx3_1_1

 

gx3_1_2

 


 

●  例题:

 

  下图为某工程进度网络图,结点1为起点,结点11为终点,那么关键路径为 (1) ,此工程最快 (2)天完成.

gx3_1_3

 

 

 

1:

A.1-3-5-8-9-10-11

B.1-2-4-7-11

 C.1-3-5-7-11

 D.1-2-5-8-10-11

 

2: A.18   B.28   C.22   D.20

 

答案:A;B

 


 

●  例题:

某项目最初的网络图如下图所示,为了压缩进度,项目经理根据实际情况使用了快速跟进的方法:在任务A已经开始一天后开始实施任务C,从而使任务C与任务A并行3天.这种做法将使项目____。

 

A. 完工日期不变

B. 提前4天完成

C. 提前3天完成

D. 提前2天完成

 

gx3_1_4

 

 

  答案:D


●  例题:

 

下图中活动“G”可以拖延()周而不会延长项目的最终结束日期。

 

gx3_1_5

 

A. 0 

B. 1

C. 3 

D. 4

 

答案:D

 


●  例题:

 

一项任务的最早开始时间是第三天,最晚开始时间是第13天,最早完成时间是第9天,最晚完成时间是第19天.该任务______。

 

A. 在关键路径上

B. 有滞后

B. 进展情况良好 

D. 不在关键路径上

 

 解答:

若任务在关键路径上,则ES=LS且EF=LF,该题ES和LS;EF和LF不相等,所以选D

 


●  例题:

 

某项目的时标网络图如下图所示(时间单位:周),在项目实施过程中,因负责实施的工程师误操作发生了质量事故,需整顿返工,造成工作4-6拖后3周,受此影响,工程的总工期会拖延____周。

 

gx3_1_6

 

 

解答:B


●  例题:

 

某车间需要用一台车床和一台铣床加工A,B,C和D四个零件.每个零件都需要先用车床加工,再用铣床加工.车床与铣床加工每个零件所需的工时(包括加工前的准备时间及加工后的处理时间)如下表所示。

 

gx3_1_7

 

 

  若以A,B,C和D零件顺序安排加工,则共需32小时。适当调整零件加工顺序,可是所需总工时最短。在这种最短工时方案中,零件A在车窗上的加工顺序安排在第__(1)__位,四个零件加工共需__(2)__小时。

 

1):A.  1   B. 2  C. 3    D. 4

 

2):A.  21   B. 22  ; C. 23   D. 24

 解答:

对于制定的加工顺序,如何描述其加工所需时间呢?这是解答本题首先要解决的问题。以顺序安排加工A,B,C和D这四个零件为例,我们可以用甘特图将工作进度描述为如图10-9所示

 

gx3_1_8

 

 

其中横轴表示时间。从零件A在车床上加工开始作为坐标0,并以小时为单位。纵轴表示车床和铣床。车床和铣床加工某零件的进度情况以横道表示。

 

为了缩短总工时,应适当调整加工顺序,以缩短铣床最后的加工时间(车床完工后需要用铣床的时间)和多端车床最先的加工时间(铣床启动前需要等待的时间)。所以,应采取如下原则来安排零件的加工顺序。

 

在给定的工时表中找出最小值,如果它是铣床时间,则该零件应最后加工;如果它是车床时间,则该零件应最先加工,除去该零件后,又可以按此原则继续进行安排。这样,本题中,最小工时为1小时,这是零件B所用的铣床加工时间,所以,零件B应放在最后加工。除去零件B后,最小工时为2小时,这是零件C所需的车床加工时间。所以,零件C应最先加工,再除去零件C以后,工时表示最短的时间为3小时。是零件A所需的铣床加工时间。因此,零件A应该安排在零件D以后加工。

 

这样,最优方案应是按照C,D,A和B零件的顺序来加工,其甘特图如图10-10所示。

 

gx3_1_9

 

 

答案:1) C   2) B


 

●  例题:

在工程网络计划中,工作M的最早开始时间为第16天,其持续时间为5天。该工作有三项紧后工作,他们的最早开始时间分别为第25天、第27天和第30天,最迟开始时间分别为第28天、第29天和第30天。则工作M的总时差为()天。

 

A. 5  B. 6  C. 7  D. 9

 解答:

工作M 的最早开始时间为第 16 天,其持续时间为 5 天。因此,工作 M 的最早结束时间为第 16 +5 =21天。

 

工作M 有三项紧后工作,他们的最迟开始时间分别为第 28 天、第 29 天和第 30 天。因此工作M 的最迟结束时间为三者之中最小的第28天。

 

工作M 的总时差 =工作M 的最迟结束时间 -工作M 的最早结束时间 = 28-21 = 7天。

白由时差=紧后活动的最早开始时间一本活动的最早结束时间(如果有多个紧后活动,则紧后活动的最早开始时间是这些活动的最早开始时间的最早者)

 

答案为“C”

 


 (四)、关键路径法“CMP”——正推法:

 

gx3_1_10

 

从网络图左侧开始,为每项活动指定最早开始ES和最早结束EF时间,进行到网络图结束(最右边)。

1、任一活动的最早开始时间,等于所有前置活动的最早结束时间的最大者;

2、任一活动的最早结束时间,等于该活动的最早开始时间 + 该活动工期;

3、没有前置活动的,ES等于项目的开始时间。

 


 

 (五)、关键路径法“CMP”——逆推法:

 

从网络图右侧开始,为每项活动制定最迟开始和最迟结束时间,进行到网络图开始(最左边)。

1、任一活动的最迟结束时间,等于所有后续活动的最迟开始时间的最小者;

2、任一活动的最迟开始时间,等于该活动的最迟结束时间-该活动工期;

3、没有后续活动的,LF等于项目的结束时间或者规定的时间。

●  例题:

阅读下列说明,回答问题1至问题3,将解答填入答题纸的对应栏内。

【说明】:下图为某项目主要工作的单代号网络图。工期以工作日为单位。

 

gx3_1_11

 

 

问题1:

请在图中填写各活动的最早开始时间(ES)、最早结束时间(EF)、最晚开始时间(LS)、最晚结束时间(LF),从第0天开始计算。

 

 问题2:

请找出该网络图的关键路径,分别计算工作B、工作C的总时差和自由时差,说明此网络工程的关键部分能否在40个工作日内完成,并说明具体原因。

 

 问题3:

请说明通常情况下,若想缩短工期可采取哪些措施。

 

 解答:

 问题1:

 

gx3_1_12

 

 问题2:

 

1) 关键路径;A-C-D-E

 

2) 工作B的总时差为7,自由时差也为7;工作C的总时差为0,自由时差也为0。

 

3) 总工期=5+15+15+10=45个工作日,该项目的主要工作不能在40个工作日内完成。

 

 问题3:

 

1) 赶工:缩短关键路径上的工作历时,具体方法可用追加资源、改进方法和技术、使用高素质的资源或经验更丰富人员。

 

2) 快速跟进:采用并行史工方法以压缩工期。

 


 

二、PERT**(计划评审技术)**

 

gx3_1_13

 

 

 

gx3_1_14

 


●  例题:

 

公司的某项目即将开始,项目经理估计该项目10天即可完成,如果出现问题耽搁了也不会超过20天完成,最快6天即可完成。根据项目历时估计中的三点估算法,你认为该项目的历时为__(1)__该项目历时的估算标准差为(2)。

 

1)A.10天  B.11天  C.12 天 D.13天

 

2)A.2.1天 B.2.2天  C.2.3天  D.2.4天

 

 解答:

1)B T=(6+4x10+20)/6=11

 

 2)C σ=(20-6)/6=2.3

 


●更多的备考复习资料,可以查看我的博客:跬步郎的博客  。或者关注我的个人公众号“跬步郎”。


●  例题:

● A任务持续时间悲观估计为36天,最大可能估计为21天,乐观估计为6天。那么A行为在16到26天之间完成的概率有多大?

 

A.55.70% B.68.26% C.95.46%  D.99.73%

 

 解答:

(1)求出σ   σ = (36-6)/ 6 = 5

 

(2)  由  σ可知 21+5=26 21-5=16,  因此16—26天落在1 σ分布内。

 

(3)  由1 σ的概率P为68.26可得答案为 B. 68.26%

 

 注意:必须记住三个数字是 1,σ 68.3%   2,σ 95.5%   3,σ 99.7%

 


 

 (一)、**活动排序网络图有三种类型:**

 

1、 前导图(PDM)/单代号网络图(AON)

 

2、 箭线图(ADM)/双代号网络图(AOA)

 

3、 条件网络图

 


 

 (二)、单代号网络图特点:

1、用节点表示活动,用箭线表示活动之间的关系;

2、一项活动前的活动为紧前活动;后面的活动为紧后活动;

3、活动之间可以表达四种逻辑关系

 


 (三)、 双代号网络图特点:

1、用箭线表示活动,活动之间用节点(事件)连结;

2、有虚活动。

 


 (四)、 双代号网络中的虚活动:

1)、AOA网络因为表达活动关系的需要;

2)、虚活动没有历时,不需要资源;

3)、用带箭头的虚线表示。

 

gx3_1_15

 


●  例题:

 

张某是 M 公司的项目经理,有着丰富的项目管理经验,最近负责某电子商务系统开发的项目管理工作。该项目经过工作分解后,范围已经明确。为了更好地对项目的开发过程进行监控,保证项目顺利完成,张某拟采用网络计划技术对项目进度进行管理。经过分析,张某得到了一张工作计划表,如表 1 所示。

 

gx3_1_16

 

 事件 1:

为了表明各活动之间的逻辑关系,计算工期,张某将任务及有关属性用以下样图表示,然后根据工作计划表,绘制单代号网络图。

 

其中,ES 表示最早开始时间;EF 表示最早结束时间;LS 表示最迟开始时间;LF 表示最迟结束时间;DU 表示工作历时;ID 表示工作代号。

 

 事件 2:

张某的工作计划得到了公司的认可,但是项目建设方(甲方)提出,因该项目涉及融资,希望项目工期能够提前 2 天,并可额外支付 8 万元的项目款。

 

 事件 3:

张某将新的项目计划上报给了公司,公司请财务部估算项目的利润。

 

【问题 1】:

 

(1)请按照事件 1 的要求,帮助张某完成此项目的单代号网络图。

 

(2)指出项目的关键路径和工期。

 

【问题 2】

 

在事件 2 中,请简要分析张某应如何调整工作计划,才能满足建设方的工期要求,又尽量节省费用。

 

【问题 3】

 

请指出事件 3 中,财务部估算的项目利润因工期提前变化了多少,为什么?

 

gx3_1_17

 

 解答:

1、关键路径为ACDGH,工期44天

 

 2、应该将C压缩1天,D压缩1天

 

3、利润增加5W,因为缩短CD工期各1天,会增加5W的费用,但是节约了间接费用2W元,且额外支付8W元,因此项目利润增加了5W元(8+2-5=5)

 

gx3_1_18

 


 

三、 成本管理:挣值分析完工预测

 

 (一)、 **挣值分析:**

 

早期只需要记住三个参数,4个制表以及公式即可。PV、EV、AC、CV、SV、CPI、SPI。但是现在没这么简单了,深入考核PV、EV、AC的理解,从一段文字描述中计算出PV、EV、AC,对于概念没有掌握者,很难拿全分。

 

 (二)、**完工预测:**

 

难点。关键在于掌握典型偏差和非典型偏差,早期记公式,能够判断典型或非典型偏差即可解题,现在考核对公式的理解,因此,要求能够推到出典型偏差的公式,并能够充分理解。

 

●  变量:

--  EV、PV、AC、BAC

 

 -- CV、SV、EAC、ETC

 

 -- CPI、SPI

 

●  公式:

-- CV=EV‐AC, SV=EV‐PV

 

-- CPI=EV/AC(支出), SPI=EV/PV(进度)

 

●  预测技术:

 

 ETC=(BAC‐EV)当前偏差被看做是非典型的

 

 ETC=(BAC‐EV)/CPI当前偏差被看做是代表未来的典型偏差

 

 EAC=AC+ETC     ‐‐‐‐衍化为下面两个公式

 

 EAC=AC+BAC‐EV当前偏差被看做是非典型的

 

 EAC=AC+(BAC‐EV)/CPI当前偏差被看做是代表未来的典型偏差

 

 跬步郎注:典型就是正常情况下,非典型就是非正常情况下。

gx3_1_19

 

 

gx3_1_20

 

 

gx3_1_21

 


●  例题:

 

某信息系统开发项目由系统集成商A公司承建,工期1年,项目总预算20万元。目前项目实施已进行到第8个月末。在项目例会上,项目经理就当前的项目进展情况进行了分析和汇报。截止第8个月末项目执行情况分析表如下:

 

gx3_1_22

 

 

●  [问题1]:

 

请计算截止到第8个月末该项目的成本偏差(CV)、进度偏差(SV)、成本执行指数(CPI)和进度执行指数(SPI);判断项目当前在成本和进度方面的执行情况。

 

●  [问题2]:

 

请简要叙述成本控制的主要工作内容。

 

●  解答:

 

 问题1:

 

PV=2000+5000+10000+75000+65000+20000=177000

 

AC=2100+4500+12000+86000+60000+15000=179600

 

EV=2000*100%+5000*100%+10000*100%+75000*90%+65000*70%+20000*35%=137000

 

CV=EV-AC=137000-179600=-42600

 

SV=EV-PV=137000-177000=-40000

 

CPI=EV/AC=137000/179600=0.76

 

SPI=EV/PV=137000/177000=0.77

 

项目当前执行情况:成本超支,进度滞后。

 

 问题2:

 

1)、对造成成本基准变更的因素施加影响。

 

2)、确保变更请求获得同意。

 

3)、当变更发生时,管理这些实际的变更。

 

4)、保证潜在的成本超支不超过授权的项目阶段资金和总体资金。

 

5)、监督成本执行,找出与成本基准的偏差。

 

6)、准确记录所有与成本基准的偏差。

 

7)、防止错误的、不恰当的或未获批准的变更纳入成本或资源使用报告中。

 

8)、就审定的变更,通知项目干系人。

 

9)、采取措施,将预期的成本超支控制在可接受的范围内。

 


●  例题:

 

在项目实施中间的某次周例会上,项目经理小王用下表向大家通报了目前的进度。根据这个表格,目前项目的进度()。

 

gx3_1_23

 

 

A. 提前于计划7%   B. 落后于计划18%

 

C. 落后于计划7%   D. 落后于计划7.5%

 

 解答:

SPI=100000-(18000+45000+30000)/100000=7%

 

答案:C

 


●  例题:

 

项目经理小张对自己正在做的一个项目进行成本挣值分析后,画出了如下图所示的一张图,当前时间为图中的检查日期。根据该图小张分析:该项目进度(1),成本(2)。

 

gx3_1_24

 

 

1)A. 正常   B. 落后   C. 超前   D. 无法判断

 

2)A. 正常   B. 超支   C. 节约   D. 无法判断

 

 答案:C,B

 


●  例题:

 

某项目经理将其负责的系统集成项目进行了工作分解,并对每个工作单元进行了成本估算,得到其计划成本:第四个月底时,各任务的计划成本、实际成本及完成百分比如下表:

 

gx3_1_25

 

●  问题1:

请分别计算该项目在第四个月底的PV、EV、AC值,并写出计算过程=请从进度和成本两方而评价此项目的执行绩效如何,并说明依据。

 

●  问题2:

有人认为:项目某一阶段实际花费的成本(AC)如果小于计划支出成本(PV),说明此时项目成本是节约的,你认为这种说法对吗?请结合本题说明为什么。

 

●  问题3:

(1)如果从第五月开始,项目不再出现成本偏差,则此项目的预计完工成本(EAC)是多少?

 

(2)如果项目仍按目前状况继续发展,则此项目的预计完工成本(EAC)是多少?

 

(3)针对项目目前的状况,项目经理可以采取什么措施?

 

 解答:

 

● 问题1:

挣值(EV)是指截止到当前日期,实际完成工作对应的预算成本,该值是批准认可的预算,即到某一日期已完成工作应当投入的资金。例如:对于如上表中的任务A,其挣值EV=10*80%=8万元。

 

根据以上定义,可求出上表中前4个月每项任务的EV及第4个月底PV、AC和EV的合计值,如下表所示:

 

gx3_1_26

 

在上表中,成本偏差CV=EV-AC=37.1-38.5=1.4万元,表示当前项目所花费用比预算超支。

进度偏差SV=EV-PV=37.1-41=-3.9万元,表示当前项目进度滞后

成本绩效指数CPI=EV/AC=37.1/38.5≈96.36% < 100%,表示当前项目所花费用比预算超支,资金使用效率较低。

进度绩效指数SPI=EV/PV=37.1/41≈90.49% < 100%,表示当前项目进度滞后,进度效率较低。

 

综合计算结果可知,第4个月底项目的费用比预算超支,资金使用效率较低,并且进度滞后,进度效率较低。

 

● 问题2:

 

这种说法有误,在本案例中,该项目第4个月底的AC=38.5万元 < PV=41万元,但EV=37.1万元 < AC < PV。结合问题1的分析结果可知,该项目目前所使用的费用超过预算。可见,评判一个项目在某一阶段的成本是节约还是超支,不能简单地将该项目在该阶段的实际花费成本(AC)与计划支出成本(PV)进行简单的对比。而应该将在既定的时间段内实际完工工作的预算成本(EV)作为重要的考虑因素之一。

 

● 问题3:

 

依题意,该项目在完成时各任务的总PV=41万元,即BAC=41万元。

 

1)、如果从第5个月开始,项目不再出现成本偏差(即当前的偏差被看做是非典型的,项目团队预期在以后将不会发生这种类似偏差)。则该项目剩余工作所需的估算ETC等于BAC减去截止到目前的累加挣值(EV©)(即ETC=(BAC-EV©)=41-37.1=3.9万元),此项目最可能的总体预算值,即预计完工成本EAC=AC©+BAC-EV©=AC©+ETC=38.5+3.9=42.40万元。

 

2)、如果项目仍按目前状况继续发展(即当前的偏差被看做是可代表未来的典型偏差),则该项目剩余工作所需的估算ETC等于BAC减去截止到目前的累加净值(EV©)(即ETC=(BAC-EV)=41-37.1=3.9万元),此项目最可能的总体预算值,即预计完工成本EAC=AC©+((BAC-EV)/CPI©)=AC©+ETC=38.5+4.047=42.547万元。

 

3)结合问题1的分析结果可知,到了第4个月月底的时候,该项目的费用比预算超支,资金使用效率较低,并且进度滞后,进度效率较低。因此为了保证这一项目成本目标和进度目标的实现,项目经理可以采取的调整措施有:1、提高工作效率,例如用工作效率高的人员更换一批工作效率低的人员等;2、加班(或赶工),或在防范风险的前提下并行施工(快速跟进);3、加强成本监控等。

 


 

 四、 **立项管理:NPV、投资回收期**

 

教材里面有,下午案例出题的概率很低,一般在上午客观题中出现,1-2分。涉及的概念比较多,计算公式也比较多,如:计算现值、NPV、投资回收期、投资回收率、投资回报率。考核方式非常灵活,考题出题的空间也比较大。

 

1、财务净现值 NPV 指今后某年的Y元相当于今年的X元

2、投资收益率ROI

  建成投产后,在运营正常年获得的净收益与项目总投资之比。

3、投资回收期(Payback Period)

项目从投产年算起,用每年的净收益将初始投资全部收回的时间。

 

静态投资回收期(Pt)计算公式:

 

 Pt = [累计净现金流量开始出现正值的年份数] - 1 +[上年累计净现金流量的绝对值 / 当年净现金流量]

 

动态投资回收期动态投资回收期( T )计算公式:

 

动态投资回收期(年)= [累计净现金流量现值开始出现正值年份数] - 1+[上年累计净现金流量现值的绝对值 / 当年净现金流量现值]

 


●  例题:

 

某软件公司项目A的利润分析如下所示。设贴现率为10%,第二年的利润净现值是()元。

 

gx3_1_27

 

A. 1378190   B.  949167   C.  941322   D.922590

 解答:

1139000/(1+10%)=941322

答案:C

 


●  例题:

 

某项目各期的现金流量如下表所示:

 

gx3_1_28

 

 

设贴现率为10%,则项目的净现值约为()。

 

A. 140   B. 70   C. 34   D. 6

 

 解答:

某年的净现金流量是指该年现金流量乘于当年贴现系数。基于上表的数据,该项目的成本收益分析表如下表所示

 

gx3_1_29

 

 

因此,该项目的净现值约为33.619万元。另外,该项目的动态投资回收期=累计的利润净现值开始出现正值的年分数-1+上一年累计的利润净现值的绝对值/出现正值年份的利润净现值=2-1+1-329.9975/363.616≈1.908;该项目的投资收益率=1/1.908*100%≈52.41%

 

  答案:C

 


●  例题

 

某软件企业2006年初计划投资2000万人民币开发某产品,预计从2007年开始盈利,各年产品销售额如表所示。根据表中的数据,该产品的静态投资回收期是(1)年,动态投资回收期是(2)年。(提示:设贴现率为0.1)

 

gx3_1_30

 

 

1)A. 1.8   B. 1.9   C. 2   D. 2.2

 

2)A. 2   B. 2.1   C. 2.4   D. 3

 解答:

在题干中表的基础上,添加“累计年利润”和“累计年利润现值”,可得到下表:

 

gx3_1_31

 

假定2007年为时间的“现在”,则静态投资回收期是1 + 1010/1210 = 1.83

动态投资回收期是 2 + 100/900 = 2.1

因此:

(1)的正确选项为A

(2)的正确选项为B

 


●  例题:

 

某项目投资额为190万元,实施后的利润分析如下表所示:

 

gx3_1_32

 

假设贴现率为0\. 1,则项目的投资收益率为(1)。

(1)A .0 .34       B.0.41      C.0.58      D.0.67

 

gx3_1_33

 


 五、 管理科学基础、运筹学

(每次考试上午客观题1-2分,建议最后做,比较占用时间)

 

考核内容:线性规划、决策论、资源分配等

 

图论:掌握“破圈法”即可应付所有题型

 

线性规划:列方程解题。识别决策变量。

 

决策论:最简单,能够看懂,能够画决策树,知道悲观乐观主义准则的公式。

 

资源利用:难。考核形式比较多。比如,和关键路径结合起来考人员的分派问题。

 

(一)、**最短路径**

 

● 例题

 

某公司从甲地向丁地远送物资,运送过程中先后需要经过乙、丙两个中转站,其中乙中转站可以选择乙 1 和乙 2 两个可选地点,病中转站可以选择丙 1、丙 2和丙 3 三个可选地点,各相邻两地之间的距离如表所示,则甲地到丁地之间的最短距离为()。

 

gx3_1_34

 

A. 64   B. 74   C. 76   D.68

参考答案:B

 


 (二)、**最大收益的问题**

 

●  例题:

 

某公司现有 400 万元用于投资甲、乙、丙三个项目,投资额以百元为单位,已知甲、乙、丙三项投资的可能方案及相应获得的收益如下表所示:

 

gx3_1_35

 

 

则该公司能够获得的最大收益值是()百万元。

 

A. 17   B. 18    C. 20    D. 21

 

参考答案:B


 (三)、**线性规划问题**

 

●  例题:

 

某企业需要采用甲、乙、丙三种原材料生产Ⅰ、Ⅱ两种产品。生产两种产品所需原材料数量、单位产品可获得利润以及企业现有原材料数如表所示:

 

gx3_1_36

 

则公司可以获得的最大利润是__(1)__万元。取得最大利润时,原材料__(2)__尚有剩余。

 

(1) A.21    B.34    C.39    D.48

 

(2) A.甲  B.乙  C.丙  D.乙和丙

 

 解答:

设生产的产品I为x吨,产品II为y吨,则:

1x + 1y ≦ 4 4x + 3y ≦ 12 1x + 3y ≦ 6

解上述方程可知,x=2, y=4/3.因此,最大利润是:9*2 + 12* 4/3 = 34

原料“甲”还剩余: 4-2-1.3333

 因此

(1)正确选项是B

(2)正确选项是A

 


 (四)、 **盈亏平衡点计算**

●  例题:

假定某农贸市场上鸡蛋的需求和供给曲线可以由下列方程表示:

Qd=100+10P Qs=540-40P

其中,Qd 为该市场鸡蛋的需求量(公斤),Qs 为该市场鸡蛋的供给量(公斤),P 为每公斤鸡蛋的价格,则市场上鸡蛋价格 P 为()元每斤时,达到供需平衡。

 

A、10   B、9.2   C、8.8   D、14

 

参考答案:C

 


●  例题:

 

假设某IT服务企业,其固定成本为30万元,每项服务的变动成本为1000元/次,提供每项服务的价格为1500元/次,那么该企业的盈亏平衡点为()次。

 

 A.200   B.300   C.600 D.无法确定

 

 解答:

设该企业的盈亏平衡点为 x 次,那么:0.15x = 30 + 0.1x

 

X = 600

 

因此本题的正确选项是C

 


 (五)、 **沟通渠道数计算**

 

●  例题:

 

项目团队原来有6个成员,现在新增加6个成员,沟通渠道增加了()。

 

A. 6条   B. 4.4倍   C. 2倍    D. 2条

 

 解答:

沟通渠道计算公式:N*(N-1)/2,N为成员数

 

6个成员的沟通渠道数目=6*(6-1)/2=15

 

12个成员的沟通渠道数目=12*(12-1)/2=66

 

66/15=4.4,沟通渠道增加了4.4倍

 

答案:B

项目管理(PMP)精选题精讲 项目经理应该怎么做?155.一位关键的项目干系人在一个复杂的敏捷项目开始时就表现出兴趣,但是随着冲刺的推进,由于需要承担额外的职责,该关键干系人参与度下降,几个冲刺过后,该关键干系人拒绝了一项功能方面的可交付成果,下一个冲刺期间,团队需要对被拒绝的可交付成果进行返工。一位关键的项目干系人在一个复杂的敏捷项目开始时就表现出兴趣,但是随着冲刺的推进,由于需要承担额外的职责,该关键干系人参与度下降,几个冲刺过后,该关键干系人拒绝了一项功能方面的可交付成果,下一个冲刺期间,团队需要对被拒绝的可交付成果进行返工。 阅读详情

相关推荐

【信息系统项目管理师-案例真题】2011下半年案例分析答案和详解

‍ A‍ 公司现有技术人员对电力业务比较熟悉,但是没有人精通无线 通信技术,如果要招聘或者培训相应技术人员‍ 可能会影响项目的进度,无法保证在合同规定工期内 完工,因此,王某决定将无线模块外包出去,并选择了一家专‍ 门开发无线通信技术的公司来完成外 包工作,而为了保证进度,王某集中主要精力,全力推动公司项目组的各项工作。事件‍ 2:张某的工作计划得到了公司的认可,但是项目建设方(甲方)提出,因该项目涉及融 资,希望项目工期能够提前‍ 2‍ 天,并可额外支付‍ 8‍ 万元的项目款。ID‍ 表示工作代号。

数据知道的博客 6426

软考之运筹学计算-车床问题

软考之运筹学计算-车床问题一、真题示例二、题意分析三、解答 一、真题示例 某车间需要用一台车床和一台铣床加工A、B、C、D四个零件。每个零件都需要先用车床加工,再用铣床加工。车床与铣床加工每个零件所需的工时(包括加工前的准备时间以及加工后的处理时间)如表3所示。若以A、B、C、D零件顺序安排加工,则共需32小时。适当调整零件加工顺序,可使所需总工时最短。在这种最短总工时方案中,零件A在车床上的加工顺序安排在第(69)位,4个零件加工共需(70)小时。 69: A.1 B . 2 C . 3 D . 4 7

jks212454的博客 1712

K210视觉项目上位机避坑指南:解决C#解析ESP8266 TCP图像流的乱码、卡顿与连接中断

本文详细解析了K210与ESP8266在视觉项目中的上位机开发问题,重点解决TCP图像流解析中的乱码、卡顿与连接中断问题。通过自定义协议、JPEG流重组、TCP连接优化等实战技巧,提升系统稳定性和性能,适用于嵌入式视觉开发者和C#上位机程序员。

weixin_28730131的博客 402

关键路径

求关键路径中关键活动的核心思想: 比较活动最早开始时间和最晚开始时间,如果时间相同,表示该活动是关键活动,活动之间的弧是关键路径的组成部分,否则反之。 求解关键路径,找到关键活动,对关键活动的执行时间进行控制,这也是求关键路径的意义 关键活动没有空闲时间,他的最早时间等于最晚时间是必然形同 < v , W> 即 V 到W ,Z为路径 顶点(事件) V 最早发生时间 ==...

Roe_D的博客 705

告别VBA!用Python+PyWin32自动化你的SolidWorks建模流程(附完整代码)

本文详细介绍了如何利用Python和PyWin32实现SolidWorks建模流程的自动化,替代传统的VBA宏开发。通过环境配置、宏代码转换、高级开发模式及工程化实践等实战内容,帮助机械设计师构建高效、可维护的自动化工作流,显著提升设计效率。

weixin_30485379的博客 366

Python实战:5分钟搞定高德地图API批量地址转经纬度(附完整代码)

本文提供了一套完整的Python解决方案,利用高德地图Web服务API,实现批量地址到经纬度坐标的自动化转换。文章包含从API申请、核心代码编写到错误处理与性能优化的全流程实战指南,并附赠数据可视化方法,帮助数据分析师和开发者快速提升地理信息处理效率。

weixin_29047919的博客 582

计算题综合(一)

【决策树和预期货币价值分析(风险管理)】 1、风险的成本估算完成后,可以针对风险表中的每个风险计算其风险曝光度。某软件小组计划项目中采用60个可复用的构建,每个构建平均是100LOC,每个LOC的成本是13元人民币。下面是该小组定义的一个项目风险 ...

weixin_39851786的博客 1418

Anolis龙蜥内核升级实战:从查询到配置的全流程指南

本文提供了一份详尽的Anolis龙蜥操作系统内核升级实战指南。文章从升级的必要性出发,逐步讲解了升级前的系统检查与备份、从官方源获取正确内核包、分步安装与验证、配置默认启动项以及升级后的功能验证与安全回滚方案。旨在帮助运维人员安全、平稳地完成内核升级,以获取性能提升、新硬件支持及重要的安全漏洞修复。

qq_27496129的博客 572

系统集成项目管理工程师备考资料(口袋应试第二版总结及目录)

关于信息系统集成工程师备考资料连续写了24篇,将所有教程的章节做了汇总和统计,最后来做一个整体的分析终结: ●由于信息系统集成工程师(第二版)教程是2016年出版的,所以这套备考资料统计的只是从2016年下半年至2019年下半年7套试题总共525道题的分类。先贴一下统计分析图: 从上图可以看出,教程改版后,7套试题中,第三章集成专业知识考得题点最多。这其中包括云计算、大数据、...

跬步郎的博客 2917

深入解析MSPM0系列Keil开发中‘ti_msp_dl_config.h‘缺失问题的根源与修复

本文深入解析TI MSPM0系列Keil开发中'ti_msp_dl_config.h'文件缺失问题的根源与修复方法。该错误常见于编译时提示file not found,主要因SysConfig工具未正确生成或工程路径配置错误导致。文章提供了从环境检查、手动生成文件到工程配置调整的系统化解决方案,帮助开发者快速解决这一常见KEIL开发难题。

gold的博客 970

Unity与iOS原生交互实战指南

C#(DllImport) → C 接口(extern "C") → Objective‑C / SwiftObjective‑C → UnitySendMessage → C#(GameObject + public 方法)在写.mm文件;在里面写;C# 用声明;调用它,参数就是 string / 数值等;在.mm里做你想做的 iOS 原生操作。在 Unity 里准备一个常驻 GameObject,比如;上面挂一个脚本,写;在 iOS 插件中用;

本博客聚焦游戏开发技巧、创业实战心得及大学热门课程干货。这里既有技术深度,也有思维广度,无论你是开发者、创业者还是高校学子,都能在这里找到适合自己的成长之路! 1357

ue4项目工程目录在哪_系统集成项目管理工程师备考资料(总结及目录)

信息系统集成工程师备考资料连续写了24篇,这里将所有教程的章节做了汇总和统计,做一个最后的整体性分析终结:●由于信息系统集成工程师(第二版)教程是2016年出版的,所以这套备考资料统计的只是从2016年下半年至2019年下半年7套试题总共525道题的分类。先贴一下统计分析图: 从上图可以看出,教程改版后,7套试题中,第三章集成专业知识考得题点最多。这其中包括云计算、大数据、计算机网络等...

weixin_39532421的博客 173

【主题建模】一种基于深度学习的主题建模方法:BERTopic(理论篇)

在我的博客中已经写了很多关于主题建模的内容,当你准备了解 BERTopic 时,默认你已经知道了 LSA、pLSA、NFM、LDA 等传统的主题建模方法。关于主题建模的前置知识我在这里不做赘述,感兴趣的同学可以看看我前几篇博客。学习 BERTopic 需要一定的机器学习基础,让我们一起开始吧!

Data · Model · Agent · Repeat 9894

算法小讲堂之关键路径

在带权有向图中, 以顶点表示事件,以有向边表示活动,以边上的权值表示完成该活动的开销(如完成活动所需的时间),称之为用边表示活动的网络,简称AOEAOEAOE网AOEAOEAOE网和AOVAOVAOV网都是有向无环图,不同之处在于,AOEAOEAOE网的边有权值,而AOVAOVAOV网无权值,仅表示顶点之间的前后关系,AOEAOEAOE①只有在某顶点所代表的事件发生后,从该顶点出发的各有向边所代表的活动才能开始②只有在进入某顶点的各有向边。...

小谢的博客 990

LLaMA Factory多卡微调的实战教程(持续更新)

本文主要介绍了LLaMA Factory多卡微调的实战教程(持续更新),希望对学习大语言模型的同学们有所帮助。 文章目录 1. 前言 2. 配置环境 2.1 安装虚拟环境 2.2 安装依赖库 2.3 模型选型与下载 2.4 配置多卡环境 3. 运行代码 3.1 构建训练数据 3.2 修改配置文件 3.3 微调 3.3.1 zero3微调 3.3.2 启动API 3.3.3 模型测试

herosunly的博客 25万+

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

最短路径问题(Dijkstra)

一、基本概念: 从起点出发找一条到达目的地的、边权和最小的路径,这就是单元最短路问题。 在最短路问题中,给出的是一个有向加权图G=(V,E),边的权值是某种物理对象的度量标准,不一定是距离,它可以是时间,金钱,罚款,损失或任何其他路径线性积累的数量形式。 路径p=(V0,V1,......,Vk)的权是指其组成边的所有权值之和。定义u到v间最短路径的权为: 最短路径问题的3种类型:

fighting 2232

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

计算题-进度类-信息系统项目管理师备考

真实记录2023年下半年高级软考信息系统项目管理师考试备考经历和笔记。

GuoHengWei的博客 273

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

关键路径、工期、总时差和自由时差精讲

关键路径法是在进度模型中,估算项目最短工期,确定逻辑网络路径进度灵活性大小的一种方法。①计算原理a.计算ES、EF:从网络计划起点节点开始,沿箭线方向依次向前推算,数值取大。b.计算LS、LF:从网络计划终点节点开始,逆箭线方向依次向前推算,数值取小。②计算步骤:D→①ES→②EF→③Tp→④LF→⑤LS→⑥TF→⑦FF (D为持续时间)③关键工作与关键线路的判定总时差最小的工作是关键工作。当Tc=Tp时:a.TF=0的工作是关键工作;b.

weixin_68261415的博客 1万+

最小生成树和最短路径及其他

用于无向图中,无向图指的是没有带方向路径的图,给定n个点,m条边,如果将这些点依次相连,求出连接这些点的最小数值应用场景根据这个算法特性,我们不能猜出此算法主要运用于要在n个城市之间铺设光缆,主要目标是要使这 n 个城市的任意两个之间都可以通信,但铺设光缆的费用很高,且各个城市之间铺设光缆的费用不同,因此另一个目标是要使铺设光缆的总费用最低。这就需要找到带权的最小生成树。最短路径一般用于有相同,就是带有方向的路径图。

qq_74093077的博客 842

【项目管理】进度网络图 笔记

属于单代号网络图,是一种更详细地描述项目进度的网络图,除了描述了活动的顺序关系外,还标记了项目的开始、结束、各活动的最早开始时间 ES、最晚开始时间 EF、最晚开始时间 LS、最晚结束时间 LF 、活动工期 TF、总时差 FF。(前)完成-(后)开始(FS型):前导任务的完成导致后续任务的启动。(前)完成-(后)完成(FF型):前导任务的完成导致后续任务的完成。(前)开始-(后)开始(SS型):前导任务的启动导致后续任务的启动。(前)开始-(后)完成(SF型):前导任务的启动导致后续任务的完成。

weixin_42081167的博客 3741

项目进度管理(下)(重要考点)

6.3 项目进度管理的技术和工具 1、 软件开发项目通常用 LOC 衡量项目规模, LOC 指所有的可执行的源代码行数例如,某软件公司统计发现该公司每一万行C语言源代码形成的源文件约为250KB。某项目的源文件大小为3.75MB,则可估计该项目源代码大约为15万行,该项目累计投入工作量为240人月,每人月费用为10000元(包括人均工资、福利、办公费用公摊等) 则该项目中1LOC的价值为:...

qq_45402214的博客 2850

高项 运筹学1

运筹学中常考的题型有: 最短和最长路径问题、线性规划的问题、最小生成树的问题、对策论问题、人员分配问题等等。

一路向前 2070

净现值、投资回收期例题讲解

5.NPV=-1 000-200×(P/F,10%,1)+500×(P/F,10%,2)+600×(P/F,10%,3)+700×(P/F,10%,4)+800×(P/F,10%,5)+1 000×(P/F,10%,6)=1 221.48(万元)动态回收期=3+=3.66(年)要求:E公司目前的资本结构(负债/权益)为1/1,税前债务成本为8%,β权益为2,当前市场的无风险报酬率为4%,权益市场的平均风险溢价为5%。P=10000/(1+10%)+11000/(1+10%)(1+10%)=18181元。

weixin_68261415的博客 3万+

项目经理:是兄弟就一起加班吧

王强一名项目经理。在这个岗位上他已经干了八年了。对于他来说,加班是家常便饭。凌晨的夜空对他来说很常见,回家路他也经常一个人走。 项目管理人员经常需要面对超负荷的工作,经历无休无止的加班才能完成每天的工作任务;开会一个接一个;甲方提的需求永远改不完等。 最终项目经理们没有足够的时间和利益相关者进行正常沟通、规划项目,在项目的实施过程中,总是不断地进行救火。 最终项目的结果可想而知:没日没夜的加班,却达不到一个好的结果。 一、树立明确的时间管理目标 时间管理的目的是在最短时间内实现更多想要实现的目标。成功等于

weixin_44769148的博客 2462

999.高项-错题总结

总结,总结、总结 进度预测是进度管理中的控制项目子过程的输出。 监控项目工作的成果包括变更请求、工作绩效报告、项目管理计划更新、项目文件更新 资源日历是项目实施过程中产生的文件,属于项目文件,不属于项目管理计划的内容。 资源日历是估算活动持续时间的输入项,不是项目管理计划的内容。 参考《信息系统项目管理师教程》第3版4.5.3小节。 应根据变更控制文件中规定的内容,来决定变更的审批人,如果项目是根据合同进行的,则.

助力开发者进阶为高效技术管理者,记录沉淀打造可复用的工程方法论体系 1133

进度管理和成本管理

软考中高项学员:2016年3月23日作业一、项目进度管理1、进度管理包括哪六个过程?进度管理包括以下六个过程:活动定义:确认一些特定工作,通过完成这些活动就完成了工程项目的各项细目。活动排序:明确各活动之间的顺序等相互依赖关系,并形成文件。活动资源估算:估算每一活动所需的材料、人员、设备以及其他物品的种类和数量。活动历时估算:估算完成各项计划活动所需工时单位数。制定进度表:...

weixin_33804582的博客 1424
上一篇: 系统集成项目管理工程师备考资料(口袋应试第二版)23
下一篇: 系统集成项目管理工程师备考资料(口袋应试第二版总结及目录)
跬步郎
博客等级 码龄9年 419粉丝 112原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值