工程项目多目标协同优化研究-中国工程科学.PDFVIP

工程项目多目标协同优化研究 １，２ １ ３ 刘晓峰 ， 陈　通 ，吴绍艳 （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） ［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。 ［关键词］　微粒群算法；工程项目管理；协同功效系数；多目标协同规划模型；算例 ［中图分类号］　ＴＵ７２１　［文献标识码］　Ａ　［文章编号］　１００９－１７４２（２０１０）０３－００９０－０５ 优化，对工程质量的量化以及与成本、工期和资源的 1　前言 协同优化研究还较少；同时解决多目标优化的算法 工程项目管理是尽可能消耗较低成本、均衡资 实现步骤大多相当繁琐，且求解容易陷于局部最优， ［１～３］ 源使用、控制项目工期并确保工程质量的过程。 从 从而使准确性大打折扣 。 系统科学角度看，工程项目多目标优化问题是由工 ＰＳＯ 为一种仿生算法，算法简单、容易实现，而 期子系统、费用子系统、质量子系统和资源控制子系 且随机搜索的本质使得搜索不易陷于局部最优。 所 统组成，这些子系统具有相对独立性却具有各自的 以笔者等将该算法引入工程项目协同优化问题，来 特定功能和运行目标。 丰富和完善工程项目优化方法技术和理论。 工程项目子系统之间是相互影响、相互制约的， 2　微粒群算法 片面考虑其中的某一目标为整体目标，必将大大削 弱系统的功能。 如追求进度的最优，即工期最短，必 ＰＳＯ 最早是由 Ｋｅｎｎｅｄｙ 和 Ｅｂｅｒｈａｒｔ 于 １９９５ 年 将提高成本、降低质量和增加资源的投入。 提出的，是通过对简化社会模型的模拟而建立起来 为研究工程项目多目标协同优化问题，许多专 的。 在ＰＳＯ 算法中，每个优化问题的潜在最优解都 家引入最优化技术来研究。 文献［１，２］将遗传算法 是搜索空间的一颗粒子，所有粒子都有一个由被优 引入工程项目优化问题，将工程项目优化变量编码， 化函数决定的适应值（ｆｉｔｎｅｓｓ ｖａｌｕｅ）。 微粒群算法 通过选择、变异、杂交等操作，实现工程项目多目标 寻优过程是首先将最优化问题初始化为一群随机粒 优化。 文献［３］则应用模糊数学和遗传算法来解决 子（随机解），然后通过不断迭代找到最优解。 在每 工程项目资源均衡优化问题。 引用了优化技术后， 一次迭代中，粒子通过跟踪两个“极值”来更新自 工程多目标协同优化的求解简便性都得到不同程度 己。 一个就是粒子本身所能找到的最优解，即个体 的提高。 但是，目前国内外相关文献对工程项目多 极值，另一个极值是整个种群目前找到的最优解，即 目标优化研究大多仅限于成本、工期和资源的协同 全局极值。 ［收稿日期