一种改进型粒子群算法求解资源优化配置问题.解析.docVIP

第３３卷 第３期 兰 州 交 通 大 学 学 报 Ｖｏｌ．３３Ｎｏ．３ ２０１４年６月 Ｊｏｕｒｎａｌ ｏｆ Ｌａｎｚｈｏｕ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ Ｊｕｎｅ ２０１４ 文章编号： （ ） ： ／ １００１－４３７３２０１４０３－０１０４－０４ ＤＯＩ１０．３９６９ｊ．ｉｓｓｎ．１００１－４３７３．２０１４．０３．０２１ 一种改进型粒子群算法求解资源优化配置问题＊ 孙宏飞， 吴泽兵 （兰州交通大学 交通运输学院，甘肃 兰州 ７３００７０） 摘 要：针对粒子群算法在求解优化问题时难以兼顾收敛精度与收敛速度这一问题，提出对目标的惯性权重进行 修正和引入随着惯性权重变化的惯性学习因子的方法，该算法充分利用了上一代速度与位置、自我认知和群体间 信息共享３部分内容，来影响算法的优化结果，提高了算法的全局和局部的搜索能力．最后将改进的粒子群算法应 用于工程项目中的资源优化配置问题中，证明了该算法的有效性． 关键词：资源优化配置；粒子群算法；网络计划；惯性学习因子 中图分类号： 文献标志码： ＴＰ３０１．６ Ａ Ａｎ Ｉｍｐｒｏｖｅｄ Ｐａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｓｏｌｖｉｎｇ Ｒｅｓｏｕｒｃｅ Ａｌｏｃａｔｉｏｎ Ｐｒｏｂｌｅｍｓ ＳＵＮ Ｈｏｎｇ－ｆｅｉ， ＷＵ Ｚｅ－ｂｉｎｇ （Ｓｃｈｏｏｌ ｏｆ Ｔｒａｆｆｉｃ ａｎｄ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ，Ｌａｎｚｈｏｕ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ ７３００７０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ ｉｎ ｓｏｌｖｉｎｇ ｏｐｔｉｍｉｚａｔｉｏｎ ｐｒｏｂｌｅｍｓ ｉｓ ｄｉｆｆｉｃｕｌｔ ｔｏ ｂａｌａｎｃｅ ｔｈｅ ｃｏｎｖｅｒｇｅｎｃｅ ａｃｃｕｒａｃｙ ａｎｄ ｔｈｅ ｃｏｎｖｅｒｇｅｎｃｅ ｓｐｅｅｄ，ｓｏ ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｃｏｒｒｅｃｔｉｎｇ ｔｈｅ ａｉｍｉｎｇ ｉｎｅｒ－ ｔｉａ ｗｅｉｇｈｔ ａｎｄ ｉｎｔｒｏｄｕｃｉｎｇ ｔｈｅ ｉｎｅｒｔｉａ ｌｅａｒｎｉｎｇ ｆａｃｔｏｒ ｗｉｔｈ ｃｈａｎｇｉｎｇ ｏｆ ｉｎｅｒｔｉａ ｗｅｉｇｈｔ ｉｓ ｐｕｔ ｆｏｒ－ ｗａｒｄ．Ｔｈｅ ａｌｇｏｒｉｔｈｍ ｍａｋｅｓ ｆｕｌ ｕｓｅ ｏｆ ｓｐｅｅｄ ａｎｄ ｐｏｓｉｔｉｏｎ，ｓｅｌｆ－ｃｏｇｎｉｔｉｏｎ ａｎｄ ｓｈａｒｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ ａｍｏｎｇ ｇｒｏｕｐｓ ｏｆ ｔｈｅ ｌａｓｔ ｇｅｎｅｒａｔｉｏｎ ｔｏ ｉｎｆｌｕｅｎｃｅ ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ａｎｄ ｉｍｐｒｏｖｅ ， ｔｈｅ ｇｌｏｂａｌ ａｎｄ ｌｏｃａｌ ｓｅａｒｃｈ ａｂｉｌｉｔｙ．Ｆｉｎａｌｙｔｈｅ ｉｍｐｒｏｖｅｄ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｉｓ ａｐｐｌｉｅｄ ｔｏ ｔｈｅ ｒｅｓｏｕｒｃｅ ｏｐｔｉｍｉｚｅｄ ｃｏｎｆｉｇｕｒａｔｉｏｎ ｏｆ ｔｈｅ ｐｒｏｊｅｃｔ ｔｏ ｄｅｍｏｎｓｔｒａｔｅ ｉｔｓ ｅｆｆｅｃｔｉｖｅｎｅｓｓ． Ｋｅｗｏｒｄｓ： ； ； ； ｙ ｏｐｔｉｍａｌ ａｌｏｃａｔｉｏｎ ｏｆ ｒｅｓｏｕｒｃｅｓｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎｎｅｔｗｏｒｋ ｐｌａｎｎｉｎｇｉｎｅｒ－ ｔｉａ ｌｅａｒｎｉｎｇ ｆａｃｔｏｒ  　　工程项目以工程建设为载体，是建设单位在一 定资源条件约束下对建筑物或构建物实施的过程及 结果，一个成功的项目必须满足在限定的资源、时间 和成本等条件约束下完成既定目标［１－２］．而在这些条 件当中，资源约束可以说是重中之重，不仅需要调整 网络计划中非关键路线上的作业开始时间，还要调 整各项资源的使用次序，使资源分配动态曲线的高 峰尽可能降低，低谷尽可能地增高，从而使单位时间 内使用的资源数量趋于均等，从而达到资源的均衡  利用．这类问题属于一类组合的完全多项式非确定 性问题（ ［］ 问题３ ），求解这类问题的 ＮＰ－Ｃｏｍｐｌｅｔｅ ＣＰＵ 时间随着问题规模的增大、网络中节点数目的 增多呈指数曲线上升．近年来，随着工程项目结构越 来越复杂，传统的优化方法有很大的局限性，已无法 满足建设单位的需要，这就需要一种全新的解决方 法来处理这类问题．于是学者们提出了一些不依赖 于问题本身的直接搜索方法，如进化策略、遗传算法 和粒子群算法等，他们可以利用自身强大的搜索能  收稿日期： 学报网址： ：／／ ＊ ２０１３－０６－０６