微粒群算法的收斂性及其在工程項(xiàng)目?jī)?yōu)化中的應(yīng)用研究.pdf

1、隨著工程項(xiàng)目管理技術(shù)、最優(yōu)化技術(shù)的發(fā)展，最優(yōu)化技術(shù)開(kāi)始越來(lái)越多地應(yīng)用于工程項(xiàng)目管理。然而，眾多的優(yōu)化算法雖然能在某種程度上解決工程優(yōu)化問(wèn)題，但是復(fù)雜的操作步驟以及容易陷于局部最優(yōu)的缺陷，使得工程優(yōu)化問(wèn)題，尤其是工程多目標(biāo)優(yōu)化問(wèn)題的求解不盡如人意。 微粒群優(yōu)化算法(PSO，Particleswarmoptimization)是一種進(jìn)化計(jì)算技術(shù)(evolutionarycomputation)，由Eberhart博士和kennedy

2、博士發(fā)明，源于對(duì)鳥(niǎo)群捕食的行為研究。與其他人工智能方法比較，PSO的優(yōu)勢(shì)在于簡(jiǎn)單容易實(shí)現(xiàn)同時(shí)又有深刻的智能背景，既適合科學(xué)研究，又特別適合工程應(yīng)用。因此，PSO一經(jīng)提出，立刻引起演化計(jì)算領(lǐng)域的學(xué)者們的廣泛關(guān)注，并在短短的幾年時(shí)間里出現(xiàn)大量的研究成果，形成了一個(gè)研究熱點(diǎn)。 本文在對(duì)國(guó)內(nèi)外微粒群優(yōu)化算法(PSO)研究動(dòng)態(tài)做了詳細(xì)的綜合論述和介紹相關(guān)的理論基礎(chǔ)之后，對(duì)微粒群優(yōu)化算法(PSO)的收斂及參數(shù)選擇做了深入的探討，同時(shí)提出了應(yīng)

3、用微粒群算法解決工程項(xiàng)目?jī)?yōu)化的創(chuàng)新性方法。首先，本文在基本理論層面上介紹了微粒群優(yōu)化算法(PSO)的開(kāi)發(fā)發(fā)明、發(fā)展和改進(jìn)，綜合論述了微粒群算法的基本算法、標(biāo)準(zhǔn)算法以及國(guó)內(nèi)外專家從不同出發(fā)點(diǎn)對(duì)算法進(jìn)行的不同改進(jìn)。然而，目前的微粒群算法的許多參數(shù)確定依賴經(jīng)驗(yàn)確定，而且不同的參數(shù)選擇可能導(dǎo)致算法較快或者較慢收斂，甚至不收斂，同時(shí)參數(shù)選擇還會(huì)影響算法的開(kāi)發(fā)和探索能力?；诖?，本文介紹了微粒群優(yōu)化算法(PSO)的收斂理論，在借鑒國(guó)內(nèi)外專家對(duì)算法的