基于改进微粒群算法的建设项目多目标动态 优化研究-管理科学与工程专业论文.docxVIP

万方数据 万方数据 独创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研究 工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或 集体已经发表或撰写过的研究成果，也不包含为获得河北工程大学或其他教育 机构的学位或证书而使用过的材料。对本文的研究做出重要贡献的个人和集体， 均已在论文中作了明确的说明并表示了谢意。本人完全意识到本声明的法律结果 由本人承担。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 河北工程大学 有关保留、使用学位论文的规 定。特授权 河北工程大学 可以将学位论文的全部或部分内容编入有关数据库 进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同 意学校向国家有关部门或机构送交论文的复印件和电子文档。 （保密的学位论文在解密后适用本授权说明） 学位论文作者签名： 签字日期： 年 月 日 导师签名： 签字日期： 年 月 日 摘 摘 要 万方数据 万方数据 摘 要 工程项目多目标优化问题是项目管理领域的研究热点之一。多目标优化问题 贯穿于施工管理中的各个阶段，因此对其进行研究可以有效解决施工过程中的具 体问题，具有重要的实践价值。采用经典的多目标优化算法虽然能在一定程度上 解决工程优化问题，但求解过程较为复杂。而微粒群算法凭借其操作简单，便于 实现的特点广泛应用于多目标优化问题。 本文首先阐述了微粒群算法的基本原理和拓扑结构，在此基础上得出算法改 进的关键点。通过将基于剪枝算法的外部归档集和阈值引入到微粒群算法中，大 大提高了算法的种群多样性、全局搜索能力和收敛速度。并建立基于理想点法的 适应度函数，避免了设置各目标函数权重的主观性。并采用测试函数证实改进微 粒群算法的有效性。其次，在传统工期、成本、质量模型的基础上，结合工程项 目的实际特点，建立了多目标综合优化模型。在成本—工期模型的研究基础上， 考虑到资金的时间价值，提出了引入费用现值的成本—工期模型。此外，根据系 统可靠度理论，分析工序质量可靠度与工序持续时间的关系，建立基于系统可靠 度的质量—工期模型。最后，为了验证改进微粒群算法的有效性，本文结合工程 实例，采用改进的微粒群算法和非劣分类遗传算法（NSGA-II 算法）进行优化对 比。结果表明：改进的微粒群算法比 NSGA-II 算法的优化结果更科学、收敛速度 更快。 关键词：多目标优化；改进微粒群算法；动态优化；理想点法；系统可靠度 I Abstract Abstract Abstract Multi-objective optimization of construction project has become a hot point in the area of project management.Multi-objective optimization problem penetrates the various stages of construction management,which can effectively solve the specific problems in the construction process and has important practical value.There are a lot of classic algorithms which have been used in multi-objective optimization field dealing with complicated problems. However, the application of the current optimization methods requires so many resources that the practical situation can not be satisfactorily met.The particle swarm optimization (PSO) is an evolutionary computational method, which may be conveniently employed to execute random and global search. Analyzing the basic principle and the topology structure of swarm opt