本文關(guān)鍵詞：船舶分段建造工程工期、成本、質(zhì)量綜合均衡優(yōu)化研究

  更多相關(guān)文章： 船舶分段建造 工期-成本-質(zhì)量 多目標(biāo)優(yōu)化 粒子群算法

【摘要】：船舶分段建造工程建設(shè)項目的總目標(biāo)是要使建造工期最短、成本最低和質(zhì)量最優(yōu)，，這三個管理目標(biāo)是相互關(guān)聯(lián)的矛盾對立統(tǒng)一關(guān)系。因此在船舶分段建造的項目管理中，如何做到建造工期、成本和質(zhì)量三個目標(biāo)的動態(tài)優(yōu)化和協(xié)調(diào)管理是本論文研究的重點和主要目標(biāo)。 本論文的主要研究內(nèi)容和論文框架包含以下幾個方面:闡述當(dāng)前我國船舶分段建造項目管理的特點，對工程項目管理優(yōu)化研究進(jìn)行分析和概述。介紹了粒子群算法及多目標(biāo)決策理論等相關(guān)理論基礎(chǔ)。對船舶分段建造工程項目管理及期三個目標(biāo)要素進(jìn)行了分析和定義，并提出了對三個目標(biāo)要素進(jìn)行優(yōu)化的模型，分別研究了三個目標(biāo)要素之間的相互關(guān)系，在以上工作的基礎(chǔ)上，構(gòu)建了船舶分段建造多目標(biāo)綜合均衡優(yōu)化模型。提出了多目標(biāo)粒子群算法求解該類問題。最后運用該模型對一個工程實例進(jìn)行優(yōu)化，優(yōu)化結(jié)果證明了該方法的可行性和有效性,為項目管理者提供了有效的決策支持。最后通過對一個船舶分段中的第109分段的實際工程建立多目標(biāo)優(yōu)化模型，優(yōu)化結(jié)果能很好的滿足所要求的目標(biāo)質(zhì)量和工期，還通過利用網(wǎng)絡(luò)計劃技術(shù)使工程的工期、成本和質(zhì)量達(dá)到均衡，實現(xiàn)了三者之間的平衡。 把智能算法引入船舶分段建造工程項目管理領(lǐng)域，對船舶分段建造多目標(biāo)優(yōu)化是一個比較新穎的研究課題，論文通過一個實例驗證了這種思路的有效性，用智能算法解決船舶分段建造的工程管理實際問題不僅能豐富船舶建造工程管理理論和技術(shù)手段，更有利于提高船舶建造工程項目各方管理工程的技術(shù)水平，因此具有重要的理論和實踐意義。
【關(guān)鍵詞】：船舶分段建造 工期-成本-質(zhì)量 多目標(biāo)優(yōu)化 粒子群算法
【學(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：U673
【目錄】：

• 摘要6-7
• Abstract7-14
• 第1章 緒論14-22
• 1.1 研究背景及研究意義14-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-19
• 1.2.1 多目標(biāo)優(yōu)化問題研究現(xiàn)狀15-18
• 1.2.2 船舶建造工程多目標(biāo)優(yōu)化問題研究現(xiàn)狀18-19
• 1.3 本文的研究內(nèi)容及研究的難點和創(chuàng)新點19
• 1.3.1 本文研究的主要內(nèi)容19
• 1.3.2 本文研究難點19
• 1.3.3 本文創(chuàng)新點19
• 1.4 研究方法及思路19-20
• 1.4.1研究方法及思路19-20
• 1.4.2 技術(shù)路線圖20
• 1.5 本章小結(jié)20-22
• 第2章 相關(guān)理論基礎(chǔ)22-38
• 2.1 基本粒子群算法22-27
• 2.1.1 基本粒子群算法概述22-24
• 2.1.2 算法基本原理24-25
• 2.1.3 粒子群算法的兩種模型25-27
• 2.2 標(biāo)準(zhǔn)粒子群算法27-33
• 2.2.1 帶慣性權(quán)重的粒子群算法27-28
• 2.2.2 帶有收縮因子的粒子群算法28-29
• 2.2.3 粒子群算法其它參數(shù)的設(shè)置29
• 2.2.4 算法流程29-31
• 2.2.5 粒子群算法和其它算法的比較31-32
• 2.2.6 粒子群算法的優(yōu)化策略32
• 2.2.7 粒子群算法的應(yīng)用32-33
• 2.3 多目標(biāo)優(yōu)化理論33-37
• 2.3.1 基本概念和術(shù)語33-34
• 2.3.2 多目標(biāo)優(yōu)化的特點34
• 2.3.3 多目標(biāo)優(yōu)化方法及其求解34-37
• 2.4 本章小結(jié)37-38
• 第3章 船舶分段建造工程項目多目標(biāo)優(yōu)化模型研究38-55
• 3.1 船舶分段建造工程概述及其項目管理特點38-39
• 3.1.1 船舶分段建造工程概述38
• 3.1.2 船舶分段建造工程項目管理特點38-39
• 3.2 船舶分段建造工程工期要素分析及其函數(shù)的建立39-43
• 3.2.1 船舶分段建造工程工期要素概述39-41
• 3.2.2 船舶分段建造工程工期的影響因素41-42
• 3.2.3 船舶分段建造工程工期函數(shù)的建立2942-43
• 3.3 船舶分段建造工程成本要素分析及其函數(shù)的建立43-44
• 3.3.1 船舶分段建造工程成本要素概述43
• 3.3.2 影響成本的因素43-44
• 3.3.3 船舶分段建造成本函數(shù)的建立44
• 3.4 船舶分段建造工程質(zhì)量要素分析及其函數(shù)的建立44-47
• 3.4.1 質(zhì)量要素概述44-46
• 3.4.2 船舶建造工程質(zhì)量管理特點46
• 3.4.3 船舶分段建造工程質(zhì)量函數(shù)的建立46-47
• 3.5 船舶分段建造工程工期、成本、質(zhì)量的相互關(guān)系47-51
• 3.5.1 工期－成本的相互關(guān)系47-48
• 3.5.2 工期－質(zhì)量的相互關(guān)系48-49
• 3.5.3 質(zhì)量－成本的相互關(guān)系49-50
• 3.5.4 工期－成本－質(zhì)量的相互關(guān)系50-51
• 3.6 船舶分段建造工程項目多目標(biāo)綜合優(yōu)化研究51-53
• 3.6.1 成本、質(zhì)量約束下的工期優(yōu)化問題51-52
• 3.6.2 工期、質(zhì)量約束下的成本優(yōu)化問題52
• 3.6.3 工期、成本約束下的質(zhì)量優(yōu)化問題52-53
• 3.6.4 工期、成本、質(zhì)量多目標(biāo)綜合優(yōu)化問題研究53
• 3.7 本章小結(jié)53-55
• 第4章 基于多目標(biāo)粒子群算法的模型求解55-60
• 4.1 多目標(biāo)粒子群算法概述55
• 4.2 基于多目標(biāo)粒子群算法的模型求解55-57
• 4.3 測試函數(shù)57-59
• 4.4 本章小結(jié)59-60
• 第5章 實例分析60-67
• 5.1 工程概況60
• 5.2 參數(shù)估計60-61
• 5.3 計算工期、成本和質(zhì)量61-62
• 5.4 模型的建立62-63
• 5.5 模型求解過程63-65
• 5.6 結(jié)果分析65-66
• 5.7 模型評價66
• 5.8 本章小結(jié)66-67
• 總結(jié)67-69
• 參考文獻(xiàn)69-73
• 攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文73-74
• 附錄 多目標(biāo)粒子群算法代碼74-80
• 致謝80

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王希云;劉瑞芳;;混沌粒子群算法及其在桁架結(jié)構(gòu)優(yōu)化設(shè)計中的應(yīng)用[J];太原科技大學(xué)學(xué)報;2006年06期

2 常伯濤;范穎;趙書強(qiáng);馬燕峰;楊建華;;基于改進(jìn)粒子群算法的輸電網(wǎng)擴(kuò)展規(guī)劃[J];華北電力大學(xué)學(xué)報(自然科學(xué)版);2008年04期

3 張亮;呂林;;利用粒子群算法解決電網(wǎng)優(yōu)化購入電量[J];電力系統(tǒng)保護(hù)與控制;2009年22期

4 劉志雄;嚴(yán)新平;趙潤軍;;置換流水車間調(diào)度粒子群算法與參數(shù)設(shè)置分析[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2010年06期

5 張?zhí)戽?汪清;何開鋒;;粒子群算法在氣動力參數(shù)辨識中的應(yīng)用[J];空氣動力學(xué)學(xué)報;2010年06期

6 喬佩利;馬麗麗;鄭林;;基于改進(jìn)粒子群算法的車間作業(yè)調(diào)度問題研究[J];哈爾濱理工大學(xué)學(xué)報;2011年02期

7 田雨波;彭濤;沙莎;;基于微分進(jìn)化算子和混沌擾動的量子粒子群算法[J];江蘇科技大學(xué)學(xué)報(自然科學(xué)版);2011年02期

8 侯磊;;基于多目標(biāo)粒子群算法的船舶主尺度優(yōu)化設(shè)計研究[J];船舶力學(xué);2011年07期

9 趙菲;焦彥軍;;基于粒子群算法的輸電線路參數(shù)辨識[J];陜西電力;2011年09期

10 余羅兼;李濟(jì)澤;;一種改進(jìn)粒子群算法的移動機(jī)器人路徑規(guī)劃[J];機(jī)電技術(shù);2011年05期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國天線年會論文集（上）[C];2009年

2 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學(xué)系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

3 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計、制造和應(yīng)用技術(shù)論文選集[C];2010年

4 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機(jī)攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

4 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

8 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

10 雷開友;粒子群算法及其應(yīng)用研究[D];西南大學(xué);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張?zhí)m;量子粒子群算法及其應(yīng)用[D];西北大學(xué);2010年

2 隨聰慧;粒子群算法的改進(jìn)方法研究[D];西南交通大學(xué);2010年

3 董銀麗;一種新的交叉粒子群算法及其應(yīng)用[D];西安電子科技大學(xué);2006年

4 馬楠楠;基于粒子群算法的化工過程優(yōu)化及其應(yīng)用[D];北京化工大學(xué);2008年

5 徐青鶴;改進(jìn)粒子群算法及其應(yīng)用研究[D];杭州電子科技大學(xué);2009年

6 郭香軍;粒子群算法的改進(jìn)研究[D];燕山大學(xué);2012年

7 鐘帥;基于粒子群算法的微博用戶影響力研究[D];華中科技大學(xué);2012年

8 方群;多目標(biāo)拆卸線平衡問題的改進(jìn)粒子群算法研究[D];西南交通大學(xué);2014年

9 朱偉豐;改進(jìn)粒子群算法最優(yōu)路徑的研究[D];重慶師范大學(xué);2014年

10 孟令群;混沌粒子群算法在河流水質(zhì)模型參數(shù)識別中的應(yīng)用[D];長安大學(xué);2009年

本文編號：917887