基于粒子群算法的多目标多执行模式的项目调度优化研究

VIP免费

3.0 牛悦 2024-11-07 4 4 2.92MB 88 页 15积分

侵权投诉

摘要

如今随着现代化建设的加速推进、科学技术的不断发展以及生产规模的日益

壮大，单体投资过百亿的大型工程项目已越来越多，其具有工期长、费用高、资

源需求大、质量要求高等特点，因此，如何准确地管理与控制整个项目建设的进

程、制定一个科学合理的项目调度方案已愈显重要，并受到了学术界、企业界的

广泛关注。

在实际项目调度中，工期、成本、资源和质量是一组既互为依存又相互矛盾

的共同体，作为构成项目建设总目标的关键要素，其无疑决定了项目的成败，因

而如今的项目调度计划管理已不能仅仅局限于追求某单个目标要素的优化，项目

调度多目标优化问题已经成为一个很重要的研究课题。同时随着人们对项目执行

效率的重视，多目标优化技术的改进在整个项目优化问题中也越来越受到关注。

但是，目前所采用的大多智能优化算法虽然能在一定范围内解决项目优化问题，

但是其繁琐的操作流程以及易于陷入局部最优的缺点，使得优化结果总是不尽人

意。

因此本文在对目前国内外多目标项目调度及其优化技术研究做了详细的综合

概述后，提出了一种改进的混沌粒子群算法用来解决多目标多执行模式项目调度

优化问题。首先，文章在标准粒子群算法和混沌优化原理的研究基础上提出了这

种将混沌优化嵌入基本粒子群的新算法；然后，分别对项目工期、成本、资源和

质量各目标进行分析及建模，并通过无量纲化及多目标动态加权技术，构建了项

目工期-成本-资源-质量的多目标综合优化模型；同时，针对模型特点，本文进一

步对不同执行模式情况下的多目标项目调度问题进行了分类研究，并将混沌粒子

群算法应用其中，通过实际项目调度案例，最终结果验证了混沌粒子群算法在求

解复杂的多执行模式多目标项目调度优化问题中的有效性和实用性。

关键词：项目调度多目标优化模型多执行模式混沌粒子群算法

ABSTRACT

With the boost of modern construction, development of technology and growing of

production scale, more and more engineer projects are over ten billion investments,

which have the characteristics of long time, high cost, large resources and high quality

need. So how to control the whole process of a project and make a scientific and

reasonable project scheduling scheme has been more and more important nowadays,

which receive the extensive attention of the academic and business circles.

As the key elements for the project general objective, time, cost, resources and

quality is a group of interdependent and contradictory community which determines the

success or failure for the project. So today’s project scheduling plan cannot not only

pursue single target factor optimization, and multi-objective project scheduling problem

optimization has become an important research subject. At the same time, considering

the importance of project execution efficiency, improvement of multi-objective

optimization technology is becoming more and more concerned in the whole project.

Although most present intelligent optimization algorithm can solve project optimization

problems to a certain extent, its fussy operation process and weakness of falling into

local optimum make the results usually unsatisfactory.

This paper proposes an improved chaos particle swarm optimization algorithm to

solve the multi-objective and multi-mode project scheduling optimization problems

based on doing a comprehensive outline for both domestic and foreign present research.

First, the article puts forward the CPSO based on the principle research of standard PSO

algorithm and chaos optimization. Then, the paper analyzes the models of time, cost,

resources and quality and establishes the multi-objective integrated optimization model

through the dimensionless and multi-objective dynamic weighted technology.

Meanwhile, the paper has a further research on the project scheduling problems with

different execution mode conditions and final uses the CPSO in the actual project

example to prove its validity and practicability in solving complex multi-objective and

multi-mode project scheduling optimization problems.

KEY WORDS: Project Scheduling, Multi-object Optimization Model,

Multi-Mode, Chaos, Particle Swarm Optimization

中文摘要

ABSTRACT

第一章绪论 ............................................................................................................... 1

1.1 课题研究背景及意义 ........................................................................................ 1

1.2 国内外研究现状 ................................................................................................ 2

1.2.1 多目标项目调度优化问题研究现状 ...................................................... 2

1.2.2 粒子群算法研究现状 .............................................................................. 3

1.3 本文主要研究内容及技术路线 ........................................................................ 5

1.4 本文创新点 ........................................................................................................ 7

第二章混沌粒子群算法研究 ..................................................................................... 8

2.1 粒子群算法综述 ................................................................................................ 8

2.1.1 基本粒子群算法简介 .............................................................................. 8

2.1.2 改进后的标准 PSO 算法 ......................................................................... 9

2.1.3 公式意义及算法流程 ............................................................................ 10

2.1.4 混合粒子群算法模型介绍 .................................................................... 12

2.2 混沌粒子群算法 .............................................................................................. 12

2.2.1 混沌优化基本原理 ................................................................................ 12

2.2.2 Logistic 方程 ........................................................................................... 13

2.2.3 算法思想及流程 .................................................................................... 14

2.3 函数测试 .......................................................................................................... 15

2.4 本章小结 .......................................................................................................... 16

第三章基于混沌粒子群算法的多目标问题求解 ................................................... 18

3.1 多目标优化问题 .............................................................................................. 18

3.1.1 多目标优化问题的描述 ........................................................................ 18

3.1.2 多目标优化问题的求解 ........................................................................ 20

3.2 多目标加权优化方法 ...................................................................................... 21

3.2.1 加权和法基本原则 ................................................................................ 22

3.2.2 DWA 算法 ............................................................................................... 22

3.2.3 多目标动态加权法 ................................................................................ 23

3.3 混沌粒子群算法求解多目标问题 .................................................................. 24

3.3.1 基本思想 ................................................................................................ 24

3.3.2 算法策略 ................................................................................................ 26

3.3.3 混沌粒子群算法对多目标问题的求解步骤 ........................................ 26

3.4 本章小结 .......................................................................................................... 27

第四章多目标项目调度优化问题模型研究 ........................................................... 29

4.1 多目标项目调度优化问题概述 ...................................................................... 29

4.2 项目调度相关概念界定 .................................................................................. 30

4.3 项目调度目标模型分析 .................................................................................. 31

4.3.1 项目工期目标函数建立 ........................................................................ 31

4.3.2 项目成本函数模型建立 ........................................................................ 32

4.3.3 工程质量模型分析 ................................................................................ 34

4.3.4 资源均衡目标模型研究 ........................................................................ 36

4.4 多目标项目调度综合优化模型构建 .............................................................. 37

4.5 本章小结 .......................................................................................................... 38

第五章单执行模式的多目标项目调度问题研究 ................................................... 39

5.1 引言 .................................................................................................................. 39

5.2 单执行模式的多目标项目调度问题模型 ...................................................... 39

5.3 基于优先规则的粒子群算法编码 .................................................................. 41

5.3.1 任务优先规则 ......................................................................................... 41

5.3.2 调度生成机制 ......................................................................................... 42

5.4 算法流程 .......................................................................................................... 43

5.4.1 个体编码及初始化 ................................................................................. 43

5.4.2 调度设置 ................................................................................................ 44

5.4.3 算法处理策略 ........................................................................................ 45

5.4.4 混沌粒子群算法步骤 ............................................................................ 46

5.5 案例验证 .......................................................................................................... 47

5.5.1 问题描述 ................................................................................................ 47

5.5.2 CPSO 求解 .............................................................................................. 48

5.5.3 结果分析 ................................................................................................ 50

5.6 本章小结 .......................................................................................................... 51

第六章多执行模式的多目标项目调度问题研究 ................................................... 52

6.1 引言 .................................................................................................................. 52

6.2 资源不受限 T-C-Q 多目标问题研究 .............................................................. 52

6.2.1 模型建立 ................................................................................................. 52

6.2.2 算法流程 ................................................................................................. 53

6.2.3 实例验证 ................................................................................................ 56

6.3 资源受限 T-C-R 多目标问题研究 .................................................................. 61

6.3.1 模型建立 ................................................................................................. 61

6.3.2 算法思想与基本流程 ............................................................................. 62

6.3.3 实例验证 ................................................................................................ 63

6.4 本章小结 .......................................................................................................... 71

第七章总结与展望 ................................................................................................... 72

附录 CPSO 混沌粒子群算法求解多目标项目调度问题部分源程序 .................... 73

参考文献 ..................................................................................................................... 79

攻读硕士期间发表的论文和承担的科研项目 ......................................................... 84

致谢 ............................................................................................................................. 85

第一章绪论

1.1 课题研究背景及意义

如今随着现代化建设的加速推进、科学技术的不断发展以及生产规模的日益

壮大，大型工程项目已越来越多，如何制定出一个科学合理的项目调度方案愈显

重要。尽管过去几十年，我国不少企业正不断向国外汲取项目调度先进技术、引

进优秀管理经验与方法，但与国际总体水平相比，其无论在理论还是实践上都依

然存在不少差距。从 2008 年坟川大地震中房屋的不堪一击，到 2009 年上海闵行

莲花河畔景苑楼盘倒楼事件无不向我们敲响警钟，面对施工过程中存在的拖期现

象严重或盲目压缩工期、片面追求低成本、偷工减料、忽略对质量的控制，以至

于接二连三发生工程质量事故、返工率提高，项目停罢等现象都值得我们深思。

总结思考这类情况，其主要原因还是归咎于没有认识到要整体实现工程项目效益，

就必须对其所提供的资源、所要求的质量、所规定的工期、所批准的费用等各因

素进行全面而科学的控制与规划。

但实际工程项目中，要实现科学周全的调度计划安排并非一件易事，例如工

期的缩短会使工程尽早投入使用，但也会增加各类资源的使用量，造成资源成本

的增加，甚至造成项目质量难以保障；项目成本的降低会为投资方节约项目费用，

但过低的价格也会为工程质量和工期保证埋下了隐患；工程质量的控制可以减少

因返工而带来的维修费用等损失，但也可能影响工期并加大建造成本的投入；同

时，随着工程项目规模的扩大，所需求的资源量也越来越大，对项目资源使用的

均衡分配、合理控制能节约项目成本，也是工程项目多目标综合优化中不可忽视

的一个重要组成部分。综上所述，项目调度中的工期、成本、资源和质量是一组

既互为依存又相互矛盾的共同体，它们构成了项目调度的基本目标要素，而实施

项目调度的过程就是对其多个目标进行综合协调进而找到最优方案的过程。

目前传统的项目调度研究方法包括关键路线法(Critical Path Method, CPM)和

计划评审技术(Project Evaluation and Review Technique, PERT)，然而这些基于网络

计划技术的优化方法在初始计划编制过程中并没有考虑资源受限等情况，于是，

产生了精确算法和启发式算法，但前者一般只针对求解规模较小的问题，而在求

解规模稍大、数据量繁琐的多目标项目调度问题时，采用人工智能的启发式算法

具有明显的优势。因此，本文将研究重心放在了目前广为关注人工智能启发式算

法上，主要在传统粒子群算法基础上结合混沌优化思想求解这类大规模问题，通

第一章绪论

过混沌粒子群算法有效地解决项目调度中多目标寻优这一难点，从而获得最优调

度方案，使项目整体目标达到最为理想的效果。

同时，目前大部分对项目调度的研究均假设活动仅有一种执行模式, 然而在

实际调度中必然存在多种执行模式，企业常常需要根据活动的轻重缓急去选择各

项任务环节适合的资源分配模式,例如，当项目比较紧急时, 可以选择增加资源的

投入来缩短工期；或者, 也可以通过采取一种放松的执行模式从而达到节约资源、

降低成本的目的。在具有多执行模式情况的项目调度中, 如何以最恰当的执行模

式去确定各项任务的调度是一个值得研究的现实问题, 也更具理论和实际价值。

综上所述，本文认为一个项目的成功与否，关键在于采用有效的方法对其各

目标进行均衡优化，只有准确地寻找到各目标间的理想结合点，才是真正意义上

的解决问题，达到项目在经济效益和社会利益的“双赢”效果。因此，本文着力

研究基于混沌粒子群算法求解多目标多执行模式项目调度优化问题，具有深刻的

现实意义与应用价值。

1.2 国内外研究现状

1.2.1 多目标项目调度优化问题研究现状

纵观国内外关于项目管理方面的研究，针对其调度计划的研究主要集中在例

如工期优化、成本优化、时间-费用优化、成本-质量优化等单目标和双目标优化两

方面，而对于目标数在三个或以上的，甚至涉及资源受限、多执行模式等各类实

际情况的相对复杂的综合性项目调度优化问题研究还是比较少的，尚处于发展探

索阶段。

Mckim R、Hegazy T 和Attalla M[1]指出成本、工期和质量是评价建筑工程项目

的主要指标，它们之间是高度相关的，需要进行合理的权衡与分配。

Babu AJG 和Suresh N[2]建立了线性模型来研究工期、成本和质量之间的平衡

关系。

Do Ba Khang 和Yin Mon Myint[3]将文献[2]中提出的工期、成本和质量平衡关系

方法应用到真实的水泥厂建设工程项目中进行验证。

周树发和刘莉[4]首次对工程项目中的质量、工期、成本、资源均衡多个目标进

行全面的考量，分别建立了各单目标优化模型，然后再将其组合成多目标规划模

型。

徐洪刚和胡鹏飞[5]对工程项目成本、质量、进度三者进行了同步控制研究，主

第一章绪论

要在质量和进度的约束条件下，达到成本的最小化。

网络计划技术作为解决项目调度优化问题的基本方法，不可否认，其在解决

项目成本、工期、资源等单目标优化方面带来了极大方便，然而现代工程项目仅

仅采用简单的技术解决工期、费用、质量和资源等单目标优化是远远不行的，于

是，国内外学者纷纷提出不同的优化技术来进一步完善工程项目调度多目标优化

问题。

Kolisch R[6]基于优先规则的启发式算法提出了求解资源受限项目调度的串、并

行调度方案并运用与实际案例中。

刘永淞[7]将动态规划(DP)法引入工程项目优化问题，应用 DP 法进行工期优

化。

王健、刘尔烈和骆刚[8]利用多属性效用函数理论，建立工程项目管理的工期-

成本-质量综合均衡优化模型，并利用遗传算法对模型进行求解。

刘晓峰、陈通和张连营[9]利用 SPSS 对工程质量-工期进行回归性分析，并根据

其量化关系建立优化模型，采用粒子群算法对其进行求解。

杨耀红和汪应洛[10]则利用模糊多属性群决策效用函数理论，采用语义法评价

质量，并建立了多目标模糊均衡优化模型。

同时，在基于实际多目标项目调度研究的基础上，多执行模式情况下的优化

问题近年来吸引着越来越多的学者的研究和关注，其主要还是采用以分支定界为

代表的精确算法[11-12]和启发式算法，启发式算法包括基于优先规则的启发式算法

[13-14]以及近几年出现的智能优化方法[15-16]。然而对于较复杂的问题，文献[12]指出,

在对例如超过 20 个工作和 3种执行模式的大规模项目调度问题，需采用启发式算

法去寻求一个“最优解”。

各类优化技术的应用使得如今项目调度多目标优化求解问题得到了一定程度

的解决。但是，目前采用的大多基本优化技术实现过程都较为烦琐，很难满足实

际优化求解的需求，因此，本文提出了基于项目串行调度优先规则的混沌粒子群

算法，结合改进后的多目标优化模型，求解此类项目调度问题。

1.2.2 粒子群算法研究现状

粒子群算法(Particle Swarm Optimization，PSO)由美国心理学家Kennedy和电气

工程师Eberhart在1995年提出，这种算法来源于鸟群捕食过程，其对最优化解的搜

索是通过种群间的粒子个体协作来完成和实现的。作为一种新型仿生优化算法，

它对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算法无法表达的

第一章绪论

问题描述为目标函数，具有较强的通用性。同时，由于PSO初始化为一群随机粒子，

这使得该算法的搜索具有较强的随机性。

文献[17]首次将粒子群算法应用到求解资源受限项目调度问题(RCPSP)中，并研

究了基于粒子优先值和任务列表的 2种粒子表示方法。

文献[18]提出了一种动态惯性权重的粒子群优化算法，通过权重因子随着迭代

次数由大到小的变化，达到迭代初期具有较强的全局搜索能力，后期具有较高的

局部收敛性而实现最优的效果。

文献[19]采用一种改进的 PSO 算法来求解 RCPSP 问题，主要通过加大局部搜

索能力，并对关键路径进行研究，加快产生出切实可行的解决方案。

针对多目标项目调度研究问题，文献[20]尝试运用粒子群算法求解工期-成本-

质量的多目标调度问题，并且针对质量目标的模糊性提出一种模糊多目标的粒子

群算法求解该类问题。

文献[21]运用粒子群算法求解工程项目综合优化问题，并通过实例对标准粒子

群算法和差分进化算法进行了比较，验证了模型的合理性和算法的有效性。

尽管目前研究者从不同方面对 PSO 算法进行了改进，但其局部搜索能力差、

计算精度低、对参数设置具有较强依赖性、需要迭代多次等缺点依然存在。于是

一种新型混合优化方法——混沌粒子群算法(Chaos particle swarm optimization，

CPSO)被提出，这种方法通过利用混沌变量的遍历性、随机性和规律性等特点，将

变量从混沌空间转换到粒子变量空间进行搜索，其在解决项目调度优化问题方面

显示出较好的性能。

雷德明[22]提出了多目标混沌进化算法，并通过混沌变量在适应度最大的个体

群附近搜索新的最优个体，从而引导种群迭代进化。

叶春明和潘登[23]应用混沌粒子群算法解决关键链项目管理的优化调度问题，

通过实例验证，CPSO 算法在求解关键链调度问题时比 PSO 算法更具优势。

Zhang YD、Jun Y 和Wei G[24]则将人工免疫、混沌算子、粒子群优化算法结合

起来提出了一种混沌免疫粒子群算法，用来解决多目标路径优化问题。

目前也有些项目调度软件，比如微软的 Project 软件，它们也能够优化工程项

目工期、成本等目标，但是郭云涛、白思俊等[25]通过实例验证得出这些软件效率

比较低，并且往往得不到理想的最优目标组合结论。因此，预计未来的应用趋势

主要会是智能算法嵌入到这些项目管理软件中，使其具有更强大的功能和更广泛

的应用。

应该说，粒子群算法因其概念简明、实现方便，得到了国际演化计算研究领

域的认可。当然，为克服其存在的局部寻优能力差等缺点，各类混合粒子群算法

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要如今随着现代化建设的加速推进、科学技术的不断发展以及生产规模的日益壮大，单体投资过百亿的大型工程项目已越来越多，其具有工期长、费用高、资源需求大、质量要求高等特点，因此，如何准确地管理与控制整个项目建设的进程、制定一个科学合理的项目调度方案已愈显重要，并受到了学术界、企业界的广泛关注。在实际项目调度中，工期、成本、资源和质量是一组既互为依存又相互矛盾的共同体，作为构成项目建设总目标的关键要素，其无疑决定了项目的成败，因而如今的项目调度计划管理已不能仅仅局限于追求某单个目标要素的优化，项目调度多目标优化问题已经成为一个很重要的研究课题。同时随着人们对项目执行效率的重视，多目标优化技术的改进在...

展开>> 收起<<

基于粒子群算法的多目标多执行模式的项目调度优化研究.pdf

共88页,预览9页

还剩页未读，继续阅读

基于粒子群算法的多目标多执行模式的项目调度优化研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: