chenweineng--集合型离散粒子群优化与在项目资源调度应用及研究.pdf

集合型离散粒子群优化及其在项目 资源调度的应用研究 作者：陈伟能 中山大学 摘 要 摘 要 科学研究和工业生产等众多领域中存在着大量的优化问题。随着计算机科学的 发展，人们受自然界各种智能现象的启发，提出了如遗传算法、蚁群优化和粒子群 优化等自然启发式的优化方法。自然启发式优化方法具有不依赖于待解问题数学模 型的具体特性、全局搜索、鲁棒性强等特点，已成为了解决实际应用中各种复杂优 化问题的重要手段。其中，粒子群优化通过模拟鸟群和鱼群的群体行为来实现对复 杂问题的寻优。与其他自然启发式优化算法相比，粒子群优化还具有结构简单、易 于实现、快速收敛等优点，自 1995 年被提出以来已迅速成为最受关注的优化方法之 一。然而，传统粒子群优化的操作定义在连续实数空间，难以在离散组合优化问题 问题中直接应用。同时，传统粒子群优化算法还存在早熟收敛现象，在复杂的多峰 优化问题中容易陷入局部最优。提高粒子群优化在离散空间优化问题中的适用性和 性能，对进一步完善粒子群优化算法框架，推动粒子群优化的研究与应用发展有着 重要的意义。 项目资源调度是一类对项目中的各种资源进行合理、高效的分配和使用的优化 问题，广泛应用于各种工程领域，是运筹学研究的重要课题。经典资源受限项目调 度问题已经被证明为一个 NP-难题。为了满足实际工程应用的需求，项目资源调度 模型被进一步改进和完善，如时间/ 费用/资源均衡、多模式、多约束、带财务优化指 标、占先式资源等各类复杂的项目资源调度问题相继被提出，对优化方法提出了新 的挑战。 针对上述问题，本文围绕离散粒子群优化及其在项目资源调度中的应用问题展 开创新研究。提出集合型离散粒子群优化算法，拓展算法的适用范围；提出基于衰 老机制的新型粒子群优化算法，提高算法的全局搜索能力；为三类复杂的项目资源 调度问题提出基于集合型粒子群优化的调度算法，为解决复杂的项目资源调度问题 提供新的有效途径。 论文的主要贡献包括： (1) 提出集合型离散粒子群优化算法，提高了粒子群优化的适用性 采用基于集合的表示方式来描述离散组合优化问题的解空间，将粒子群优化的 - VI - 摘 要 速度和位置更新公式的相关操作在集合空间中重定义，提出了集合型的离散粒子群 优化算法。该离散粒子群优化算法具有如下的优点： 提高了粒子群优化算法的适用性，是算法框架的有益补充； 在离散空间中良好地保留了原始粒子群优化算法的搜索行为和特点； 提供了离散粒子群优化算法与启发信息相结合的机制； 在旅行商问题和多重背包问题两类经典的组合优化问题上的实验结果证明 了方法的高效性。 (2) 提出带衰老机制的粒子群优化算法，提高了粒子群优化的全局搜索能力 受到自然界生物衰老和寿命机制的启发，汲取了生物学家提出的衰老进化理论 的思想，对粒子群优化的“首领”粒子引入寿命机制，并通过评估“首领”粒子的 领导能力来调节“首领”粒子的寿命，提出了带衰老和寿命机制的粒子群优化。该 新型粒子群优化算法的特点是： 借助衰老和寿命机制，显著地提高了粒子群优化算法的搜索多样性； 通过根据“首领”粒子的领导能力对粒子寿命和衰老过程进行自适应控制， 有效地保持了粒子群优化的快速收敛特性，使算法既避免陷入早熟收敛，又 具有较快的收敛速度和精度。 (3) 针对三类复杂的项目资源调度问题，建立调度模型，并提出集合型离散粒子群 优化的调度算法，为解决复杂的项目资源调度问题提供了有效的新途径 多模式、带现金流优化目标的资源受限项目调度问题是项目资源调度领域最 重要、通用而难解的优化问题之一。针对这一复杂的调度问题，本文设计了 基于模式集合的编码方式，并利用集合型粒子群优化提供的与启发信息相结 合的机制，提出了 8 种启发信息，实现了基于集合型离散粒子群优化的多模 式资源受限项目调度现金流优化的新型求解算法。数值实验结果表明集合型 离散粒子群优化算法取得了比已有算法更佳的优化结果。 工作流调度对网格计算系统的性能