基于微粒群算法的工程项目多目标优化研究

《基于微粒群算法的工程项目多目标优化研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第一章绪论质量三个基本目标之外，根据项目的自身特点还会有其他相关目标，如资源均衡目标、安全目标、项目参与各方满意度目标、与环境协调目标和可持续发展目标等。而这些目标之间彼此相互冲突，实施项目管理的过程就是多目标协调的过程。因此，项目多目标优化管理成为项目管理工作的一个核心内容，其核心追求的不是项目单个目标的最优，而是要在项目多个目标同时优化的基础上，寻求项目目标之间的协调和平衡，从而最终实现项目管理活动的总体效率和效果的提高。因此要实现工程项目建设的总目标，在工程项目管理的整个过程中保持工期、成本、质量以及资源的

2、均衡控制是非常重要的。工程建设项目管理是以项目经理负责制为主的目标管理，是以高效率实现业主的目标为目的，按照项目建设的内在规律和程序对项目建设的全过程进行有效的计划、组织、协调和控制的工作系统。它是工程建设过程中至关重要的方面，关系到工程项目的成败。其中计划工作中的工程项目控制目标的优化是工程项目控制全过程的组织、协调和控制等工作的基础和前提，因此本文以工程项目多目标优化为研究对象展开研究。1．2工程项目多目标优化问题的研究现状网络计划技术是20世纪50年代中期发展起来的一种科学的计划管理技术，它是运筹学的一个组

3、成部分。网络计划技术最早出现在美国，具有代表性的是关键路径法(CPM，CriticalPathMethod)与计划评审技术(PERT，PlanEvaluationandReviewTechnique)。网络计划技术是解决工程优化问题的基本方法。通过网络计划可以对费用、工期进行优化。网络计划技术主要思想是通过压缩关键工作线路的持续时间，从而使工程的工期、费用实现优化【12]。文献川通过对施工网络进度计划的研究，提出一种新的评价准则一工程质量，并建立了网络计划的数学模型。同时综合前人已研究出的各种优化方法，得出网络计

4、划的多目标优化模型。根据各优化目标之间的矛盾性，用多目标决策理论可以科学客观地优化网络计划。网络计划技术在解决工程单目标优化(T期优化、费用优化或资源均衡优化)方面，给人们在项目管理中带来了极大方便。但是如前文所述，现代的工程项目不但考虑工期、费用和资源均衡目标的优化，还要综合考虑工程质量、风险、安全等诸多因素，有时甚至要考虑在资源均衡、安全、风险约束下的工程质量、费用、工期的多目标优化。然而，网络计划技术在解决工程项目的多目标优化问题时，需要庞杂的工作第一章绪论量，而且多个工程项目目标的权衡等问题的解决也是不尽

5、如人意。所以，许多专家希望引入最优化技术来研究工程项目多目标优化问题。这些年，随着最优化技术的不断发展，国内外科学家陆续提出了一系列性能优良的优化算法，如人工神经网络、模拟退火、遗传算法、禁忌搜索、进化规划等优化算法。这些优化技术在解决复杂优化问题中表现出了巨大的潜力和作用。文献【3，4】将遗传算法引入工程优化问题，通过将工程优化变量编码，通过选择、变异、杂交等操作，实现工程项目多目标优化。文献【5】则应用模糊数学和遗传算法来解决工程项目资源均衡优化问题。文献【6，7】简要分析了多目标进化算法的研究现状．给出了一

6、种基于非群体迭代型的小生境多目标优化遗传算法。算例测试结果表明该算法结合错位交叉算子具有较好的性能，能够使算法收敛到Pareto概念下的比较均匀的一组非劣最优解。文献f8】提出基于模糊数学基本理论、层次分析法(ARe)和特尔菲法，深入研究建筑工程施工的特点，建立建筑工程施工的多目标多层次模糊综合评价模型。具体提出确定评价指标体系过程中对专家咨询结果统计处理方法和各指标权重的确定方法以及模糊评价过程。网络计划中引用了优化技术后，工程项目多目标优化的求解简便性都得到不同程度的提高。但是，这些算法实现步骤大都相当繁琐，

7、即使是倍受优化技术领域推崇的遗传算法，也需要复杂的交叉、变异以及选择操作，使得这些优化技术很难满足实际优化需要，而且大多数优化技术都容易陷于局部最优，这就使解决优化问题的准确性大大折扣。1．3微粒群算法研究现状从20世纪90年代初，就产生了模拟自然生物群体行为的优化技术。Dorigo等从生物进化的机理中受到启发，通过模拟蚂蚁的寻径行为，提出了蚁群优化方法；Kennedy和Eberhart于1995年提出的微粒群优化算法是基于对鸟群、鱼群的模拟。这些研究可以称为群体智能。通常单个自然生物并不是智能的，但是整个生物群

8、体却表现出处理复杂问题的能力，群体智能就是这些团体行为在人工智能问题中的应用。微粒群优化最初是处理连续优化问题的，目前其应用已扩展到组合优化问题。由于其简单、有效的特点，已经得到了众多学者的重视和研究。微粒群算法(ParticleSwarmOptimization)作为新近出现的一种仿生优化算法，它首先在优化目标函数的性态上没有特殊要求，甚至可以将传统优化方法无第一章绪论