2010年 第12卷 第3期
工程项目多目标协同优化研究
1. 天津大学管理学院，天津 300072；
2. 中国工商银行山东省分行，济南 250001;
3. 天津理工大学经济与管理学院，天津 300301
下一篇 上一篇
摘要
将微粒群算法(particle swarm optimization，PSO)引入工程项目多目标协同优化领域，研究工程项目的质量、费用、资源和工期的协同优化问题。文章首先系统介绍微粒群算法原理、流程以及算法的改进发展，然后研究了工程项目质量、费用、工期和资源的协调功效系数，并建立了质量、费用、工期和资源的多目标协同优化模型，接下来介绍了应用微粒群算法编码解决工程项目多目标优化的方法步骤。最后，通过一个应用实例，计算表明微粒群算法可以准确快速地解决工程项目多目标协同优化问题。
图片
图1
图2
图3
图4
图5
参考文献
[ 1 ] 王首续,周学林.遗传算法优化施工网络计划的多种资源均衡[J].重庆交通学院学报,2001,20(2):39-45 链接1
[ 2 ] 骆刚,刘尔烈,王健.遗传算法在网络计划资源优化中的应用[J].天津大学学报,2004,37(2):179-183 链接1
[ 3 ] 杨湘,张连营.工程项目工期-成本综合模糊优化[J].土木工程学报,2003,36(3):46-50 链接1
[ 4 ] Kennedy J ,Eberhart R.Particle Swarm Optimization [ A] .Proc IEEE Int Conf on Neural Networks[ C] .Perth,1995 ,1942 -1948
[ 5 ] Eberhart R C, Shi Y H.Particle Swarm Optimization : Develop- ments, applications and resources [ A ] .Proc IEEE Int Conf on Evolutionary computation.[ C] .Seoul, 2001 ,81 -86 链接1
[ 6 ] Eberhart R C, Shi Y.Comparing inertia weights and constriction factors in particle swarm optimization [ A] .Proc IEEE Int Conf on Evolutionary computation[ C] .La Jolla, 2000 ,84 -88 链接1
[ 7 ] 谢晓峰,张文俊,杨之廉.微粒群算法概述[J].控制与决策,2003,18(2):129-134 链接1
[ 8 ] Shi Y H, Eberhart R.Fuzzy adaptive particle swarm optimization [ A] .Proc IEEE Int Conf on Evolutionary computation[ C] .Seoul, 2001 ,101 -106 链接1
[ 9 ] 杨维,李歧强.粒子群算法综述[J].中国工程科学,2004,6(5):87-95
[10] Van den Bergh F, Engelbrecht A.Training product unit networks using cooperative particle swarm optimizers[ A] .Proc.of the 3 rd Genetic and Evolutionary Computation Conference[ C] .San Fran- cisco ,USA, 2001
[11] 候志荣,吕振肃.基于MATLAB的粒子群优化算法及其应用[J].计算机仿真,2003,20(10):68-70 链接1
京公网安备 11010502051620号
