论文部分内容阅读
随着工程项目管理技术、最优化技术的发展,最优化技术开始越来越多地应用于工程项目管理。然而,众多的优化算法虽然能在某种程度上解决工程优化问题,但是复杂的操作步骤以及容易陷于局部最优的缺陷,使得工程优化问题,尤其是工程多目标优化问题的求解不尽如人意。微粒群优化算法(PSO,Particle swarm optimization)是一种进化计算技术(evolutionary computation),由Eberhart博士和kennedy博士发明,源于对鸟群捕食的行为研究。与其他人工智能方法比较,PSO的优势在于简单容易实现同时又有深刻的智能背景,既适合科学研究,又特别适合工程应用。因此,PSO一经提出,立刻引起演化计算领域的学者们的广泛关注,并在短短的几年时间里出现大量的研究成果,形成了一个研究热点。本文在对国内外微粒群优化算法(PSO)研究动态做了详细的综合论述和介绍相关的理论基础之后,对微粒群优化算法(PSO)的收敛及参数选择做了深入的探讨,同时提出了应用微粒群算法解决工程项目优化的创新性方法。首先,本文在基本理论层面上介绍了微粒群优化算法(PSO)的开发发明、发展和改进,综合论述了微粒群算法的基本算法、标准算法以及国内外专家从不同出发点对算法进行的不同改进。然而,目前的微粒群算法的许多参数确定依赖经验确定,而且不同的参数选择可能导致算法较快或者较慢收敛,甚至不收敛,同时参数选择还会影响算法的开发和探索能力。基于此,本文介绍了微粒群优化算法(PSO)的收敛理论,在借鉴国内外专家对算法的一维算法收敛研究成果的基础上,本文对算法在二维以及多维问题域内的收敛进行了创新性的探讨。本文在微粒群算法收敛研究的基础上,着重进行了微粒群算法的参数选择和优化试验研究,给出了利于算法收敛的参数经典选择组合;最后,本文创造性的将微粒群算法应用于工程项目优化问题,丰富了工程项目优化问题的研究理论。本文提出的微粒群算法收敛理论和创新性的工程项目优化方法具有一定的理论和现实意义。