微粒群算法的收斂性及其在工程項目優(yōu)化中的應用研究.pdf

1、隨著工程項目管理技術、最優(yōu)化技術的發(fā)展，最優(yōu)化技術開始越來越多地應用于工程項目管理。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)化問題，但是復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)化問題，尤其是工程多目標優(yōu)化問題的求解不盡如人意。 微粒群優(yōu)化算法(PSO，Particleswarmoptimization)是一種進化計算技術(evolutionarycomputation)，由Eberhart博士和kennedy

2、博士發(fā)明，源于對鳥群捕食的行為研究。與其他人工智能方法比較，PSO的優(yōu)勢在于簡單容易實現(xiàn)同時又有深刻的智能背景，既適合科學研究，又特別適合工程應用。因此，PSO一經(jīng)提出，立刻引起演化計算領域的學者們的廣泛關注，并在短短的幾年時間里出現(xiàn)大量的研究成果，形成了一個研究熱點。 本文在對國內(nèi)外微粒群優(yōu)化算法(PSO)研究動態(tài)做了詳細的綜合論述和介紹相關的理論基礎之后，對微粒群優(yōu)化算法(PSO)的收斂及參數(shù)選擇做了深入的探討，同時提出了應

3、用微粒群算法解決工程項目優(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)的開發(fā)發(fā)明、發(fā)展和改進，綜合論述了微粒群算法的基本算法、標準算法以及國內(nèi)外專家從不同出發(fā)點對算法進行的不同改進。然而，目前的微粒群算法的許多參數(shù)確定依賴經(jīng)驗確定，而且不同的參數(shù)選擇可能導致算法較快或者較慢收斂，甚至不收斂，同時參數(shù)選擇還會影響算法的開發(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，在借鑒國內(nèi)外專家對算法的