学位论文 > 优秀研究生学位论文题录展示

改进粒子群算法在资源约束项目调度中的应用研究

作　者: 段超
导　师: 倪霖
学　校: 重庆大学
专　业: 工业工程
关键词: 资源约束项目调度粒子群算法差分进化云模型
分类号: F224
类　型: 硕士论文
年　份: 2011年
下　载: 94次
引　用: 0次
阅　读: 论文下载

内容摘要

资源约束项目调度问题(RCPSP)的求解方法一直是国内外学者研究的一个重点领域,因为其不仅具有理论研究意义,也具有实际应用价值。粒子群算法(Particle Swarm Optimization, PSO)是求解RCPSP的一种重要算法,本文主要针对RCPSP的特点,对求解RCPSP的PSO进行研究和改进,以提高算法的性能。论文对遗传算法、蚁群算法和PSO进行对比研究,针对PSO的优缺点,提出从PSO与其它算法的合并和对PSO参数进行优化两方面来改进算法性能。论文首先根据PSO的基本原理,提出将差分进化算法(DE)与其结合组成混合算法——差分进化粒子群算法(DEPSO),采用双种群的方式分别迭代,在两个种群中建立信息交互机制,使两个种群在迭代过程中实现信息共享,以有效的降低PSO陷入局部最优的风险。采用标准问题库PSPLIB对算法进行测试,验证了混合算法的性能。为进一步提高算法的全局和局部搜索能力以及搜索精度,论文引入云模型对混合算法中PSO部分的惯性权重进行改进,使PSO种群的粒子在迭代过程中能自动调整惯性权重的大小。采用标准测试函数和标准问题库PSPLIB对该算法进行测试,验证了改进算法的有效性。论文最后将基于云模型的差分进化粒子群算法用于对X企业摩托车新产品开发项目调度问题进行求解,表明了算法具有实际应用价值。

全文目录

摘要  3-4
ABSTRACT  4-7
1 绪论  7-13
  1.1 选题背景及研究意义  7-8
    1.1.1 选题背景  7-8
    1.1.2 研究意义  8
  1.2 国内外研究现状  8-11
    1.2.1 精确类算法  9
    1.2.2 启发式算法  9-11
  1.3 本文研究内容和技术路线  11-13
    1.3.1 研究内容  11
    1.3.2 技术路线  11-13
2 资源约束项目调度问题及求解方法对比  13-19
  2.1 资源约束项目调度问题概述  13-15
    2.1.1 项目调度的资源类型  13
    2.1.2 项目调度的目标函数  13-14
    2.1.3 项目调度的模型类别  14-15
  2.2 经典RCPSP 的模型  15-16
  2.3 求解RCPSP 的智能优化方法对比  16-19
3 差分进化粒子群算法求解 RCPSP  19-33
  3.1 粒子群算法基本理论  19-24
    3.1.1 粒子群算法原理  19-20
    3.1.2 粒子群算法的参数  20-22
    3.1.3 粒子群算法的求解步骤  22-24
  3.2 差分进化粒子群算法  24-28
    3.2.1 差分进化算法  24-25
    3.2.2 差分进化粒子群算法  25-28
  3.3 DEPSO 算法求解经典RCPSP  28-33
    3.3.1 算法设计  28-30
    3.3.2 算例计算及结果分析  30-33
4 基于云模型的差分进化粒子群算法求解 RCPSP  33-46
  4.1 基于云模型的差分进化粒子群算法  33-43
    4.1.1 云模型简介  33-35
    4.1.2 基于云模型的差分进化粒子群算法  35-39
    4.1.3 c-DEPSO 的性能测试  39-43
  4.2 云差分进化粒子群算法求解经典RCPSP  43-46
    4.2.1 求解经典RCPSP 的算法设计  43-44
    4.2.2 算例计算及结果分析  44-46
5 案例研究  46-55
  5.1 项目背景  46-47
  5.2 摩托车产品开发项目调度  47-55
    5.2.1 摩托车产品开发项目调度现状  47-49
    5.2.2 改进粒子群算法求解产品开发项目调度问题  49-55
6 结论与展望  55-57
  6.1 结论  55
  6.2 展望  55-57
致谢  57-58
参考文献  58-62
附录  62
  A. 作者在攻读硕士学位期间发表的论文目录  62
  B. 作者在攻读学位期间参与的科研项目  62

改进粒子群算法在资源约束项目调度中的应用研究

内容摘要

全文目录

相似论文