1．微粒群算法及改进.doc

改进微粒群算法在“工期固定—资源均衡” 优化中的研究 陈娜1，陈欢2 1河海大学商学院，江苏南京（211100） 2辽宁工程技术大学理学院，辽宁阜新（123000） E-mail:chenna229@ 摘要：微粒群算法通过群体中微粒间的合作与竞争而产生的群体只能优化搜索，算法具有较强的通用性，具有全局寻优的特点。本文主要是把微粒群算法和工期固定、资源均衡问题相结合，对微粒群的惯性权重与速度更新公式进行了改进，在约束处理上采用了适应性罚函数法，使微粒群算法更好的应用于工程资源优化问题中。 关键词：微粒群算法；网络优化；工期固定—资源均衡 An Improved Version of PSO for fixed time limit - resource leveling Optimization Chen na1, Chen huan2 1.School of business, Hohai University，Nanjing（211100） 2. College of Science, Liaoning Technical University, Fuxin（123000） Abstract: Particle Swarm Optimization particles through inter-group cooperation and competition can only be created by groups to optimize the search, the algorithm has strong versatility, with the characteristics of global optimization. In this paper, particle swarm optimization (PSO) is combined with the fixed time limit - resource leveling optimization problem. The PSO inertia weight and the velocity update formula are improved and adaptive penalty function method is used to deal with the constraints, so particle swarm optimization makes use better in the problem of optimizing engineering resources. Key words: Particle Swarm Optimization; network optimization; Fixed time limit - resource leveling 引言 由于水利工程具有影响因素多、约束条件多、工程量大、施工工艺复杂、建设周期长等特点，所以基于网络设计的工期——资源优化是水电工程管理的一个核心内容[1]。资源优化的目的就是通过改变工作的开始时间（ES、LS）和结束时间（EF、LF），使资源按照时间的分布符合优化目标。在通常的情况下，网络计划优化分两种，即“资源有限，工期最短”的优化和“工期固定，资源均衡”的优化。前者是通过调整计划安排，在满足资源限制的条件下，使工期延长最少的过程；后者则是通过调整计划安排，在工期保持不变的情况下，使资源尽可能均衡的过程。本文仅是对工期固定、资源均衡问题在关键网络图（CPM）中的优化情况进行了研究，由于工期固定、资源均衡理论上属于组合优化的问题，其计算量随问题的复杂程度增加呈指数增长，所以存在着“维数灾难”问题。针对上述问题传统的方法主要有：数学规划法[2]、解析法[3]等，但是此类算法的求解过程复杂，而且计算代价很大，因此不适合大规模资源的优化。近期智能仿生类算法被较多的应用到资源优化中，取得了较好的效果。如汪双杰[4]把遗传算法应用于桥梁施工资源均衡的优化；谢洁锐[5]把BP用于“工期固定、资源均衡”的优化研究。 自微粒群算法提出以来，由于它的计算速度快、算法本身的易于实现、通用性较强、具有全局寻优能力等特点，引起了国际上各领域的关注和研究。本文将微粒群算法应用到水利工程中“工期固定、资源均衡”上，通过调整非关键线路工序的开始使整个工程单位时间的需要量不出现过多的高峰和低谷，这样不仅方便施工组织与管理还可以减低工程费用。 1．微粒群算法及改进 微粒群算法是一种智能仿生算法，由美国心理学家Kennedy和电气工程师Eberhart于1995年提出[6]。 1.1标准微粒群 在D维空间中第个微粒的位置和速度可分别表示为和。通过评价各微粒的目标函数，确定t时刻每个微粒所经过的