基于NSGA-Ⅱ的工程项目工期-成本-质量均衡优化

工程项目工期-成本-质量多目标均衡优化是近年来工程项目管理领域的研究热点问题。针对这一问题,分析了工期与质量之间的关系,提出了工期与质量的s-型曲线,构建了工期一成本一质量的均衡优化模型,通过经典多目标测试函数对NSGA-II求解多目标优化问题的可行性和有效性进行了测试。在此基础上,利用该算法进行了工程项目工期-成本-质量的多目标均衡优化,得到了一组Pareto最优解,为项目管理者的决策提供了依据。     

基于微粒群算法的工程项目质量、费用和工期综合优化

进度、费用和质量称为工程项目的三大控制目标,三者之间相互依存、相互影响。工程项目控制的理想状态是同时实现合理的工期、较低的费用和较高的质量。微粒群算法(PSO)是新近出现的一种仿生算法,具有简单容易实现,而且随机搜索的优点,使得搜索不易陷于局部最优。将该算法引入工程项目优化领域,研究工程项目的质量、费用和工期的综合优化问题。系统介绍微粒群算法原理、流程以及算法的改进发展,研究工程项目质量、费用和工期的优化,并建立质量、费用和工期的多目标综合优化模型,介绍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优化问题。     

工程项目工期—成本—质量—安全水平综合优化研究

目前工程项目多目标优化的相关研究中,较少考虑工期、成本、质量等目标与安全水平之间的联系。针对这一不足,在分析工序安全水平影响因素的基础上,得到了成本—安全水平优化模型,并将安全目标引入工期—成本—质量优化模型,构建了工期—成本—质量—安全水平均衡优化模型。为了有效求解该型,引入了量子粒子群算法,结合工程实例进行模拟仿真,得到工期、成本、质量与安全水平的一系列 Pareto 解,并进行方案决策,结果表明得到的 Pareto 解集能为项目管理者的决策提供有效支持,量子粒子群优化算法在求解该模型方面是有效性的。     

高维多目标优化算法研究综述

当遇到目标数目多于4个或4个以上的高维多目标优化问题时,基于Pareto支配排序的多目标进化算法很难求出近似的Pareto最优解集合,因此,高维多目标优化问题的进化算法研究成为进化算法领域的一个难点问题。本文在分析了高维多目标优化问题研究难点的基础上,概括了高维多目标优化问题的类型,并介绍了含有冗余目标的高维多目标优化问题的目标缩减算法,最后指出了今后该领域的研究方向。     

面向爆管检测的供水管网水压监测点多目标优化

针对单目标优化算法在水压监测点优化布置模型求解过程中计算效率低、解集质量差的问题，提出了一种多目标非支配差分进化算法（NSDE）。首先，对各管段中间添加的节点赋予爆管流量并依次进行模拟，根据各节点压力变化值生成爆管事件判断矩阵；然后，以监测点个数最小化和爆管检测漏损量最大化为目标函数构建监测点优化布置数学模型，利用NSDE算法进行求解；最后对Pareto解集中监测点布局特征展开分析。以net3供水管网为例，采用单目标遗传算法、多目标非支配遗传算法（NSGA-Ⅱ）和NSDE算法分别对模型进行求解，结果表明多目标NSDE算法计算效率更高且优化解质量更好，其Pareto解集对应的多种布局方案可为实际工程中监测点布置提供灵活选择。     

基于多种群蚁群粒子群融合算法的工程项目多目标优化研究

为解决工程项目集成化管理中存在的问题,提出多种群蚁群粒子群融合算法,并结合某地铁工程实例对该算法进行实证研究。根据求解效果分析得出结论,这一算法在解决多目标共同优化问题时比基本蚁群算法得到的帕累托解集更多,可以应用于施工项目集成化管理。     

考虑操作效率差异的双资源项目调度模型研究

针对多资源项目计划与调度问题中未考虑资源之间关联性而与实际情况脱离的问题,基于人力资源和设备资源两种可更新资源,考虑工人操作不同设备存在效率差异,建立一种以完工周期和项目成本为优化目标的考虑差异性操作效率的双资源多目标项目计划与调度模型。针对模型特点设计相应的染色体编码方案,运用NSGA-II算法进行求解。通过工程实例进行仿真实验,得到多目标优化的Pareto解集,同时与仅考虑相同操作效率的Pareto解对比,仿真实验在一定程度上缩短了项目工期,降低了项目成本。     

基于外部参照优化算法的空调系统节能控制

分析了当前空调系统能耗优化算法存在的不足,根据空调系统非线性与时滞性的特点,提出了采用多目标粒子群优化算法进行寻优计算。将空调系统分为3个目标解,寻取多目标最优解Pareto前沿,根据Pareto前沿求得空调系统整体能耗最优值。普通多目标粒子群算法收敛性相对较差、仿真时间较长,提出了外部参照的多目标粒子群改进算法来提高收敛性与快速性。通过仿真实验和能耗分析对比发现,相较于其他算法,该改进算法的优化节能效果更佳。     

基于粒子群算法的工程项目多目标优化问题研究

为了更有效地解决工程项目的工期—成本—质量优化问题,从施工单位的角度出发,基于工期、质量、成本间的对立统一关系,以双代号网络图中每项工作的持续时间为自变量,建立工期—成本—质量优化模型,采用标准粒子群算法来优化求解。为了消除量纲对评价标准的影响,对 3 个目标适应值采取了标准化的处理方法。利用 Matlab 软件,对一个工程案例进行多目标优化,通过与蒙特卡罗方法进行对比,分析了粒子群算法的计算效率,优化结果验证了粒子群算法求解工程项目多目标优化模型的可行性和适用性。     

岩体随机不连续面产状数据划分方法研究

动态聚类算法从本质上讲是单目标组合优化算法,一般需要事先给定目标分类数和初始聚类中心,且初始聚类中心的选择对数据划分结果影响较大。为了解决该问题,提出将产状数据的划分问题转化为多目标优化问题,并采用小生境Pareto遗传算法进行求解。针对聚类问题的特殊性,采用基于链表的编码方案,并建议相应的遗传操作算子;通过引入小生境技术和Pareto支配集理论,仅通过一次求解可由Pareto支配集给出对应于不同目标组数的最优分组结果,而且不用事先给定目标组数以及初始聚类中心。最后,将算法应用于三峡船闸高边坡岩体实测不连续面产状数据的划分,得到较为符合实际的优势结构面分组。