论文****
****硕士毕业论文
研究调度遗传基于多目标遗传算法的项目调度及其仿真论文范文参考
当前位置:中国时代论文网 >> 论文下载 >> 管理论文 >> 浏览文章
研究调度遗传基于多目标遗传算法的项目调度及其仿真论文

论文导读:1-1026.1.3 PRET网络浅析法缺陷102-1046.1.4 其它分布的随机活动时间104-1056.2 随机变量的生成105-1076.3 多方式资源约束的随机项目调度不足107-1186.3.1 一般作用下的随机多目标模型浅析107-1086.3.2 现1 2 下一页

摘要:项目管理至少可以追溯到4500年以前埃及金字塔以及1800年以前南美玛雅墓的建成,它们依靠的是最简单最原始的工具。后来慢慢进展到始于美国杜邦公司的CPM技术、始于美国海军开发“北极星导弹计划”的PERT技术。时至今日,大量关于项目管理的探讨如雨后春笋般涌现:以原理、算法到系统(包括相关的软件),以简单到复杂,以充分帮助管理人员对各种项目进行计划、安排、监督和制约。项目调度不足,是项目管理的一个重要探讨领域,自20世纪60年代被提出之后,就引起了各行各界专家和学者们的广泛关注。随着现代化技术广泛运用于生产,具有较高自动化水平的生产系统,在使生产历程更加合理、高效运转的同时,也使得项目调度不足变得更加困难,其复杂性往往超出人脑的决策能力。大多数项目调度不足是一类组合优化不足,计算复杂性论述已经证明大多数组合优化不足是NP-hard不足。传统的运筹学求解策略往往无法在多项式时间范围内寻求到这些NP-hard不足的最优解,随之人们开始尝试在多项式时间范围内求解的近似算法即启发式策略。目前对复杂的项目调度不足的求解算法主要集中在对元启发式策略即智能优化策略的探讨。智能优化算法是模拟某一自然现象或历程而建立起来的具有高度并行、自组织、自学习与自适应特点的适于复杂的高度非线性不足求解的算法。这类算法包括模拟煺火、禁忌搜索、粒子群算法、蚁群算法和进化计算等等。论述和算法是为运用服务的,建筑行业,作为项目管理运用的主要运用行业之一,也针对项目管理提出更多更高的要求。为了帮助建筑行业的施工单位更好的制约施工历程,增强项目的可预见性,避开不必要的损失,虚拟施工技术由此而产生。鉴于以上的考虑,本论文以多方式资源约束的项目调度及其运用探讨为对象,以多目标遗传算法为手段展开探讨。目前主要有着如下的不足:(1)尽管智能优化算法能同时处理一组解,以及很好的逼近非凸或不连续的最优前端面,然而对设计的参数进行动态调整和自适应转变依然是值得探讨的方向。(2)多目标遗传算法的求解质量和求解效率还有待于提升。基于Pareto的多目标遗传算法在每一次迭代时都要构造Pareto最优解集,有必要寻找构造Pareto最优解集的最少时间复杂度。(3)项目时间成本质量历来是项目管理的三大制约点,决定着项目的成败。然而更多的探讨却集中在时间费用的优化,而缺少对质量因素的考虑。或者即使考虑了质量,而往往限定其中的一个或两个因素作为常量来考虑。由此建立合理的项目时间成本质量的多目标优化模型并加以解决是当务之急。(4)在实际的项目调度历程中更多的有着着不确定性因素,这些不确定因素使得项目调度在本质上成为一个动态的历程。对不确定性因素的探讨更加贴近实际,如何针对考虑不确定性因素的不足建立随机或者模糊网络模型并采取合适的机制去解决也是我们亟待深思的不足。由此,本论文结合这些不足,具体做了如下方面的探讨工作:(1)在探讨组合优化不足、计算复杂性等相关原理的基础上,总结和比较了各种优化算法的优缺点,指出元启发式策略即智能优化算法是目前探讨的走势。在与实际运用相关的难解组合优化不足方面,智能优化策略使得在合理的时间范围内显著提升了找到高质量解的能力,尤其对于大型的或了解甚少的不足而言,智能优化算法的作用更加显著。(2)结合组合优化论述,介绍了资源约束的项目调度的一般模型、规范分类以及基于不同求解策略的已有文献,指明多方式资源约束的项目调度是可行的探讨方向。(3)探讨了多目标遗传算法及其基本概念:非支配集构造、种群保留机制以及遗传操作等等。对多目标遗传算法作了合理的改善,对分布系数采取多项式逼近获得交叉系数的概率分布,找出了交叉系数合适的改善案例,同时证明了种群大小的下限。(4)分别以时间、成本和质量进行建模浅析,指出了各个因素之间的相互联系及其探讨思路,同时形成时间-成本-质量的多目标权衡数学模型。并用多目标遗传算法加以求解及其仿真实现,最后比较了不同策略的优劣,以收敛性和分布性方面证明了改善的策略的有效性。同时给出了基于不同偏好的建筑项目调度不足的决策者决策历程。(5)对项目调度中涉及到的随机变量的分布、数字特点进行浅析,指出了PERT网络浅析法往往低估了项目完成时间,给项目的完成带来不必要的损失。探讨了随机多目标决策不足的数学模型及其等价不足的处理,提出了随机条件下多目标多方式资源约束的项目调度建模、算法浅析,并给出了仿真结果。(6)基于虚拟建筑机理的浅析,对虚拟原型(CVP)系统涉及的集成平台、开发环境、设计步骤等方面进行探讨,说明项目调度及其优化论述在虚拟建筑中的运用,并以一个实例进行运用浅析。论文的主要革新点:(1)修正了NSGA-Ⅱ算法中原有的固定交叉系数,使得该交叉系数能够动态调整和自适应转变,并给出算法中种群大小的下限值并加以证明。(2)将多目标遗传算法运用到考虑时间成本质量权衡不足的多目标多方式资源约束的项目调度不足中,给出了优化机制浅析,并以收敛性和分布性方面证明策略的有效性。(3)基于活动时间的随机变化引起活动成本和质量的动态转变,结合机会约束规划设计了概率转换机制和随机数模拟,以提升多目标遗传算法求解多目标多方式资源约束的随机项目调度不足的能力。总体来说,就算法而言,本论文以多目标遗传算法的NSGA-Ⅱ算法为着眼点,提出了两种修改对策,并通过实验证明了算法的有效性,充实了多目标优化算法论述。就项目调度而言,对项目的绩效评估综合考虑了质量因素,丰富了常规的时间费用浅析论述;对项目调度的探讨考虑了随机因素,弥补了不确定性网络浅析论述。 关键词:项目调度论文 多目标论文 遗传算法论文 随机网络论文 机会约束编程论文 虚拟建筑论文
本论文由http://www.dfholiday.com整理提供,需要****论文可以联系****人员哦。

    摘要5-8

    Abstract8-13

    目录13-16

    图目录16-19

    表目录19-20

    第一章 绪论20-27

    1.1 探讨背景及其作用20-23

    1.1.1 探讨背景20-22

    1.1.2 探讨作用22-23

    1.2 探讨内容和文章结构23-25

    1.3 主要革新点25-27

    第二章 资源约束的项目调度不足的算法基础27-45

    2.1 组合优化不足27-28

    2.2 计算复杂性28-31

    2.3 启发式策略31-43

    2.3.1 模拟煺火32-35

    2.3.2 禁忌搜索35-37

    2.3.3 蚁群算法37-39

    2.3.4 进化计算39-43

    2.4 其它43-45

    第三章 资源约束的项目调度相关不足综述45-60

    3.1 资源约束的项目调度不足描述45-48

    3.2 资源约束的项目调度不足分类48-50

    3.3 资源约束的项目调度相关文献50-59

    3.3.1 基于确定性策略的资源约束的项目调度51-55

    3.3.2 基于启发式算法的资源约束的项目调度55-59

    3.4 本章小结59-60

    第四章 多目标遗传算法探讨60-77

    4.1 多目标优化不足60-61

    4.2 多目标遗传算法61-68

    4.2.1 非支配集构造62-64

    4.2.2 种群保留机制64-66

    4.2.3 遗传操作66-67

    4.2.4 NSGA-Ⅱ算法67-68

    4.3 NSGA-Ⅱ算法的更新68-76

    4.3.1 交叉系数的自适应转变68-73

    4.3.2 种群规模的自适应转变73-76

    4.4 本章小结76-77

    第五章 多目标多方式资源约束的项目调度不足探讨77-98

    5.1 现有文献的不足77-78

    5.2 多目标多方式资源约束的项目调度建模浅析78-84

    5.2.1 项目工期优化78-80

    5.2.2 项目成本优化80-82

    5.2.3 项目质量优化82-83

    5.2.4 多目标优化模型的建立83-84

    5.3 实例浅析一84-92

    5.3.1 算法设计与仿真结果85-89

    5.3.2 算法的性能浅析89-92

    5.4 实例浅析二92-97

    5.5 本章小结97-98

    第六章 多方式资源约束的随机项目调度不足探讨98-119

    6.1 随机活动持续时间98-105

    6.1.1 β分布的广义性98-101

    6.1.2 PRET网络浅析法机理101-102

    6.1.3 PRET网络浅析法缺陷102-104

    6.1.4 其它分布的随机活动时间104-105

    6.2 随机变量的生成105-107

    6.3 多方式资源约束的随机项目调度不足107-118

    6.3.1 一般作用下的随机多目标模型浅析107-108

    6.3.2 现

研究调度遗传基于多目标遗传算法的项目调度及其仿真论文

本科毕业论文**** ****硕士毕业论文 首先中国时代论文网(http://www.dfholiday.com)!