本文選題：粒子群算法 + 慣性權(quán)重�。� 參考：《管理工程學(xué)報》2017年04期

【摘要】：研究資源約束條件下的項目調(diào)度問題,并將研究對象擴展到多項目環(huán)境,在多項目優(yōu)先級評價基礎(chǔ)上以多項目加權(quán)工期最小化為目標(biāo),構(gòu)建多項目進度計劃模型。通過在資源限定條件下,對共享資源的多個并行項目進行合理調(diào)度安排,為項目管理者在資源限制條件下合理配置資源以滿足各項目的工期要求并盡量縮短多項目加權(quán)總工期提供決策依據(jù)。針對標(biāo)準(zhǔn)粒子群容易早熟從而影響優(yōu)化結(jié)果的問題,采用一種具有動態(tài)變慣性權(quán)重的自適應(yīng)粒子群算法(DCWPSO)對模型進行求解。采用標(biāo)準(zhǔn)測試函數(shù)和具體算例進行檢驗,結(jié)果表明DCWPSO算法可以較好地解決RCMPSP問題。
[Abstract]:The project scheduling problem with resource constraints is studied, and the research object is extended to the multi-project environment. Based on the multi-project priority evaluation, the multi-project schedule planning model is constructed with the objective of minimizing the multi-project weighted duration. Through the reasonable scheduling of multiple parallel projects with shared resources under the limited condition of resources, It provides a decision basis for project managers to allocate resources reasonably under the condition of resource constraints to meet the requirements of each project and to shorten the weighted total duration of multiple projects as far as possible. In order to solve the problem that standard particle swarm optimization is precocious and affects the optimization results, a dynamic variable inertia weight adaptive particle swarm optimization algorithm (DCWPSO) is used to solve the model. The results show that DCWPSO algorithm can solve RCMP SP problem well.
【作者單位】： 山東科技大學(xué)經(jīng)濟管理學(xué)院;山東工商學(xué)院管理科學(xué)與工程學(xué)院;
【基金】：教育部人文社會科學(xué)研究規(guī)劃基金資助項目(13YJA630100)
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 車林仙;;基于粒子群算法的混沌系統(tǒng)快速控制[J];瀘州職業(yè)技術(shù)學(xué)院學(xué)報;2006年03期

2 郭明山;劉秉瀚;;一種改進的混沌粒子群算法[J];福建電腦;2008年02期

3 張楠;邢志棟;董建民;王辛;;一種基于粒子群算法和育種算法的混合算法[J];西北大學(xué)學(xué)報(自然科學(xué)版);2008年01期

4 張大興;賈建援;張愛梅;郭永獻;;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學(xué)報;2009年09期

5 張?zhí)├?劉春生;;基于改進粒子群算法的控制分配研究與應(yīng)用[J];伺服控制;2012年06期

6 黃珍;潘穎;曹曉麗;;粒子群算法的基本理論及其改進研究[J];硅谷;2014年05期

7 焦國輝;;一種改進的粒子群算法穩(wěn)定性證明及其應(yīng)用[J];現(xiàn)代計算機(專業(yè)版);2014年14期

8 王晟;潘郁;;個體激勵粒子群算法及其社會學(xué)背景分析[J];計算機工程;2008年21期

9 彭志平;張慧;;一種改進的粒子群算法在協(xié)商優(yōu)化中的應(yīng)用[J];計算機工程;2008年10期

10 沈佳寧;須文波;孫俊;;基于量子粒子群算法的收斂性研究[J];微計算機信息;2009年06期

相關(guān)會議論文 前10條

1 方衛(wèi)華;徐蘭玉;陳允平;;改進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

2 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

3 黃勝;任萬龍;王超;何新;;多目標(biāo)粒子群算法在翼型優(yōu)化的應(yīng)用[A];第二十五屆全國水動力學(xué)研討會暨第十二屆全國水動力學(xué)學(xué)術(shù)會議文集（上冊）[C];2013年

4 李洪全;王京;;基于粒子群算法的自適應(yīng)PID控制[A];冶金企業(yè)自動化、信息化與創(chuàng)新——全國冶金自動化信息網(wǎng)建網(wǎng)30周年論文集[C];2007年

5 李曙光;;粒子群算法在高速公路多路徑費用拆分方法研究[A];第二十六屆中國控制會議論文集[C];2007年

6 趙亮;;遺傳增強混沌粒子群算法[A];第二十九屆中國控制會議論文集[C];2010年

7 楊誠;楊傳啟;;基于粒子群算法的PID參數(shù)優(yōu)化[A];第七屆工業(yè)儀表與自動化學(xué)術(shù)會議論文集[C];2006年

8 劉文許;林禮清;溫步瀛;;電力市場下基于改進粒子群算法的AGC機組選擇[A];中國高等學(xué)校電力系統(tǒng)及其自動化專業(yè)第二十四屆學(xué)術(shù)年會論文集（中冊）[C];2008年

9 劉衍民;馬衛(wèi)民;;基于高斯白噪聲擾動的混合粒子群算法及其應(yīng)用[A];第十屆中國不確定系統(tǒng)年會、第十四屆中國青年信息與管理學(xué)者大會論文集[C];2012年

10 王征;劉大寶;王家林;王永驥;;基于離散粒子群算法的船舶電力系統(tǒng)重構(gòu)研究[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 李慶偉;粒子群算法及電廠若干問題的研究[D];東南大學(xué);2016年

2 尹浩;求解Web服務(wù)選取問題的粒子群算法研究[D];東北大學(xué);2014年

3 邵晴;粒子群算法研究及其工程應(yīng)用案例[D];吉林大學(xué);2017年

4 黃平;粒子群算法改進及其在電力系統(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 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

8 馮琳;改進多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

9 劉衍民;粒子群算法的研究及應(yīng)用[D];山東師范大學(xué);2011年

10 王雪飛;粒子群算法的動態(tài)拓樸結(jié)構(gòu)研究[D];西南大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 李強;基于改進粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

2 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計[D];河北聯(lián)合大學(xué);2014年

3 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

4 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

5 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

6 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

7 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學(xué);2015年

8 仲偉彪;改進粒子群算法的研究及其云計算資源調(diào)度的應(yīng)用[D];江西理工大學(xué);2015年

9 艾東;基于粒子群算法的雙重目標(biāo)設(shè)施布置優(yōu)化[D];西安建筑科技大學(xué);2015年

10 劉召軍;解優(yōu)化問題的混合粒子群算法[D];陜西師范大學(xué);2015年

，

本文編號：2066423