论文部分内容阅读
20世界末以来,建筑业快速发展,工程管理技术日趋成熟,人们越来越重视工程项目的执行效率,多目标优化技术在工程项目管理领域中应用越来越广泛,所以工程项目多目标优化问题成为了理论性与应用性都很强的研究课题。但是之前的研究者大多研究多目标中某一个目标的定量模型或两个目标之间的线性约束关系,然后用传统的数学方法求解,这样操作起来比较复杂,求解的效率也低,尤其对于工程多目标优化问题,求解效果不甚满意。而粒子群算法比较简单,实现起来较为容易,适合工程优化。本文首先详细论述了国内外工程项目多目标优化问题的研究现状,分别从传统数学求解方法和现代智能优化算法两个方面,介绍其相关理论基础,分析了成本、质量、工期三个目标的内涵,工序持续时间和成本的定性关系,借鉴经济学中边际效用理论提出边际成本递增因子,成本函数采用带有参数的幂函数形式,并考虑到实际工程中奖罚制度,构建了带有惩罚制度的工程成本模型。通过研读文献,对工程实际情况总结,分析了工序持续时间和质量的定性关系,得出了二者之间为凸曲线关系,并将工序质量量化为0到1的质量水平系数,在线性基本模型的基础上改进构建了质量模型。然后根据成本、质量、工期三个目标相互制约的关系得出了工程项目多目标优化的综合模型;其次介绍了粒子群的研究现状,基本理论及MATLAB实现。并在标准粒子群算法的基础上,重点介绍了改进的粒子群算法,即带压缩因子粒子群和自适应权重粒子群。将三种算法进行比较,通过两个测试函数测试得出自适应权重粒子群在运算精确度和收敛性方面更优;再次借鉴遗传算法交叉操作,对自适应权重粒子群改进,提出了交叉因子的粒子群算法,并将其用于解决工程项目多目标优化问题;最后本文引入工程实例,将交叉因子的粒子群优化算法应用于工程项目多目标优化问题,丰富了工程项目优化问题的研究理论,验证了本文提出的粒子群优化算法在工程项目多目标优化问题中的实用性和有效性。希望本文研究的成果可以使工程项目多目标优化理论更加丰富,为有效的工程目标管理方法及技术提供思路。