基于遗传算法的水利工程施工进度优化研究.pdfVIP

第 26 卷第 1 期 水 　利 　经 　济 2008 年 1 月 Vol. 26 No. 1 Journal of Economics of Water Resources Jan. 2008　 基于遗传算法的水利工程施工进度优化研究 汪安南 (河海大学商学院 ,江苏 南京 　210098) 摘要 :应用遗传算法的基本理论 ,研究在资源有限条件下工程进度优化问题 ,并应用所设计的遗传 算法“资源有限、工期最短”优化数学模型对淮河临淮岗洪水控制工程施工进行优化 , 以寻求工期和 费用之间的均衡 。 关键词 :遗传算法 ;水利工程 ;进度控制 ;优化 ( ) 中图分类号 :TV511 　　　文献标识码 :A 　　　文章编号 2008 　　水利工程项 目是一项复杂的系统工程 ,对水利 研究兴趣 ,取得了丰硕的理论成果和成功的应用 。 工程项 目进行全局管理 , 需要按一定的步骤和程序 GA 是一种仿生学算法 ,其收敛性没有绝对的保证 , 进行 ,其管理的主要任务之一是进度控制 。在项 目 它将“自然选择”原则引入优化过程中 , 由于它对问 管理中 ,科学 、合理地安排进度计划 ,控制好施工进 题本身的限制较少 ,对问题 目标函数和约束条件既 度是保证项 目工期 、质量和费用的重要因素 。 不要求可微也不要求连续 ,仅要求该问题是可计算 本文主要研究资源受限时的进度优化问题 。资 的;而且它的搜索始终遍及整个解空间 ,能找到近乎 源受限时的资源安排问题在数学上称为“大组合问 全局最优解 ,因而在网络计划优化方面具有广泛的 题”,其 目的是寻求一种计划方案使得工期最短 , 同 应用价值 。与其他的搜索算法相比,遗传算法的计 时也满足资源的限制要求 。该问题的解决有两种方 算效率更高 ,特别是对复杂的计划优化问题 ,更加体 法 :一种是数学建模方法 ; 另一种是启发式搜索 。 现出其优良的性能 。GA 较好地克服了寻优过程中 Wiest ,et al. 分别利用线性规划和动态规划的方法对 易陷入局部极小的困境 ,是一种非常有效的算法 ,具 问题进行了系统地研究 ,但是没有一个人实现了对 有优越的性能 ,尤其适合于复杂问题的求解[2 ] 。 实际问题的完美解决 ,这是因为该问题是一种 NP 2 　遗传算法应用于资源受限时的工程进度 Hard 问题 ,即组合膨胀 问题 ,利用数学的方法在网 优化数学模型 络图的工序增多时 , 需要进行计算的次数会按照级 数级的速度增长[1 ] 。因此 ,在实际应用中 ,这种方法 21 　模型的建立 很难实现和得到推广 。当前 ,启发式搜索方法被广