基于混合遗传算法的工期费用优化-研究

基于混合遗传算法的工期费用优化-研究

ID:31978771

大小:2.98 MB

页数:73页

时间:2019-01-30

基于混合遗传算法的工期费用优化-研究_第1页
基于混合遗传算法的工期费用优化-研究_第2页
基于混合遗传算法的工期费用优化-研究_第3页
基于混合遗传算法的工期费用优化-研究_第4页
基于混合遗传算法的工期费用优化-研究_第5页
资源描述:

《基于混合遗传算法的工期费用优化-研究》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、万方数据基于混合遗传算法的工期费用优化研究3.1.3遗传算法特点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯:⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..323.2两种类型的遗传算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯333.2.1离散性关系下的工期费用优化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..333.2.2线性工期.费用优化的遗传算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.363.3线性函数遗传算法优化结果分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.373.3.1优化结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..373.

2、3.2优化方法的不足⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..383.4本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯394混合遗传算法理论介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯404.1蚁群算法简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..404.1.1蚁群算法发展概况⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一404.1.2蚁群算法的基本原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯●⋯⋯⋯.414.1.3蚁群算法的特点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

3、⋯⋯⋯⋯..414.1.4蚁群算法的程序结构流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一414.2遗传算法和蚁群算法动态融合的基本思想⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.434.2.1混合遗传蚁群算法临界点的确定⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一444.2.2混合遗传蚁群算法实现流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一444.2.3遗传蚁群混合算法流程图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..464.3本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.475遗传蚁群混合算法在实际工程项目中的应用

4、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯485.1遗传蚁群混合算法的研究状况⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.485.2问题模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.495.3面向实例的遗传蚁群混合算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.505.3.1遗传算法编码方式⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..505.3.2适应度评价函数设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..515.3.3初始种群的产生⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..515.3.4遗传算子设

5、计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..525.3.5自适应权重法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯535.3.6蚁群算法规则⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..545.3.7遗传算法与蚁群算法搭接融合⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..565.3.8实例分析与结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..595.4本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.64万方数据大连理工大学专业学位硕士学位论文6结论与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯

6、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯656.1结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯656.2展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.65参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯66致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..70大连理工大学学位论文版权使用授权书⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..71万方数据大连理工大学专业学位硕士学位论文1绪论建筑产业是国民经济的基本载体,

7、现已成为当代社会经济大系统中一个重要的有机组成都分。项目管理的三大目标分别为进度、成本和质量,而实际情况下大多采用进度费用优化这两个目标来进行管理。因此本文是在质量满足要求的前提下,通过增加费用来压缩活动持续时间,力求以费用增加量最少达到缩短项目进度的要求,实现进度与费用的双重优化,而不仅限于单目标成本优化。社会的进步渐渐地暴露了传统计划优化相关理论和方法的弊端,同时项目建设的利益相关者对利益最大化的需求也越来越无法得到满足。实践证明,通过对工程项目进行施工进度与费用的分析控制和优化,使得进度费用

8、管理与工程实施和计划紧密结合在一起,便于业主和施工单位对工程成本等相关信息的掌控;再对工作时间进行合理的预测,便于实际工程操作中进行实时控制,从而进一步解决工期严重超期和成本大幅超支等问题,对提高我国的工程项目集成管理与控制有着比较重要的研究意义。本文所采用的算法是混合遗传算法,它具有如下优点:既具有遗传算法能够大范围内随机快速地进行并行式全局搜索的优势,又巧妙地结合了蚁群算法正反馈性、分布式计算的特点,使混合算法的鲁棒性和计算效率与综合性能方面都得到很大的改善与提高。在一定程度上

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。