基于改进的自适应遗传算法在多目标项目管理中的应用研究

发布时间：2017-06-03 19:10

本文关键词：基于改进的自适应遗传算法在多目标项目管理中的应用研究，，由笔耕文化传播整理发布。

【摘要】：改革开放以来,随着经济发展,人们生活水平的提高,对于建筑方面的投资和发展也越来越多,以使工程项目管理很快成为人们研究的主要方向。纵观已有的文献,人们大部分将管理的重点放在项目集成管理系统以及对工期、质量、费用三者之间两两关系进行分析,而本文从整体的角度出发,以质量、工期、费用三者之间的关系为研究重点,展开分析研究。本文第一部分总结了工程项目的发展现状以及我国在施工项目管理研究中存在的问题,提出了协调管理的理论,接下来又重点指出了本文的研究方法、内容和意义。第二部分首先指出协调管理与各目标之间的关系以及运用协调管理的具体步骤,总结出协调管理的理论意义;接下来又重点介绍了多目标项目管理。根据项目结构和人员的需求,总结出了多目标项目管理体系的构成以及在动态控制项目目标的情况下,进度计划的调整程序;最后,建立了事前、事中和事后这三大质量控制与PDCA循环的关系,指出工期目标的控制通过进度计划网络图来调整,成本目标的控制通过具体的过程控制程序来实现。第三部分对遗传算法进行介绍。首先指出了遗传算法的概述、原理及特点,详细介绍了遗传算法运用过程中的五个核心要素即参数编码、初始种群的选定、适应度函数的设定、遗传操作设计、控制参数设定,使我们对遗传算法有了深入的了解,并通过遗传算法的计算步骤制定出了遗传算法的流程图;接下来又介绍了基于遗传算法下的自适应遗传算法,指出自适应遗传算法的优势特征及其实现步骤;最后又概括指出多目标优化的理论意义及求解方法;接下来又主要介绍了改进自适应遗传算法的方法。通过增加正负反馈的自适应策略达到自适应遗传算法的改进,最后通过数学模型的分析与建立,得出本文改进后的自适应遗传算法的求解。第四部分针对本案例,指出如何进行成本、工期、质量的控制,重点运用遗传算法对工期、质量、成本三者之间的关系组合方案进行了选取。最后做了总结和展望。指出本论文的研究意义、本身存在的不足以及以后的发展和研究方向。
【关键词】：多目标管理 遗传算法 适应度函数 自适应遗传算法
【学位授予单位】：江西理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU712
【目录】：

摘要3-4
Abstract4-8
第一章绪论8-12
1.1 研究背景8-10
1.1.1 项目的发展现状8-9
1.1.2 目前我国施工项目管理研究中存在的问题9-10
1.1.3 协调理论下的多目标项目管理10
1.2 本文研究的内容、方法和意义10-12
1.2.1 本文的研究内容10
1.2.2 本文的研究方法10-11
1.2.3 本文的研究意义11-12
第二章多目标项目下的施工协调管理理论12-18
2.1 协调管理思想12-13
2.1.1 协调管理思想的综述12-13
2.1.2 协调管理的理论意义13
2.2 多目标项目管理的基本理论13-18
2.2.1 多目标管理的内涵13
2.2.2 多目标管理的基本思路13-16
2.2.3 项目管理体系下多目标的研究分析16-18
第三章遗传算法及改进自适应遗传算法的研究18-42
3.1 遗传算法的概述18
3.2 遗传算法原理18-19
3.3 遗传算法的介绍19-35
3.4 自适应遗传算法的介绍35-37
3.4.1 自适应遗传算法的产生35-36
3.4.2 自适应遗传算法的特点及实现步骤36-37
3.5 改进的自适应遗传算法37-40
3.5.1 具有正负反馈的自适应策略37-38
3.5.2 正负反馈自适应流程图38
3.5.3 正负反馈的自适应遗传算法38-40
3.6 模型的分析与建立40-42
第四章改进自适应遗传算法在多目标项目管理的实现42-60
4.1 项目优化的数学模型建立的理论基础42-43
4.1.1 变量和空间设计42
4.1.2 目标函数42-43
4.1.3 约束条件43
4.2 自适应遗传算法的应用43-56
4.2.1 案例背景43-53
4.2.2 对工程项目的工期、质量及成本进行编码53
4.2.3 遗传操作53-54
4.2.4 程序计算54-56
4.3 模型输出结果分析56-60
第五章总结与展望60-61
5.1 总结60
5.2 展望60-61
参考文献61-63
致谢63-64
攻读学位期间的研究成果64

【相似文献】

中国期刊全文数据库前10条

1 柏磊;顾陈;严璐;朱晓华;;基于适应度评价扩展自适应遗传算法的门级电路进化设计[J];南京理工大学学报;2011年02期

2 杨云,徐永红,刘凤玉;一种连续探索型自适应遗传算法及其应用[J];南京理工大学学报(自然科学版);2002年06期

3 江瑞,罗予频,胡东成,司徒国业;一种基于种群熵估计的自适应遗传算法[J];清华大学学报(自然科学版);2002年03期

4 袁晓辉,曹玲,夏良正;具有成熟前收敛判断的自适应遗传算法(英文)[J];Journal of Southeast University(English Edition);2003年01期

5 朱力立,张焕春,经亚枝;基于六模糊控制器的自适应遗传算法(英文)[J];Transactions of Nanjing University of Aeronautics & Astronau;2003年02期

6 张群,赵刚;基于模糊逻辑控制器的自适应遗传算法[J];工业工程与管理;2004年06期

7 李井明;刘志斌;;基于自适应遗传算法的水污染控制系统规划[J];科学技术与工程;2006年22期

8 刘宗发;王彦生;徐红玉;杨俊森;;基于自适应遗传算法的单层球面网壳优化分析[J];河南科技大学学报(自然科学版);2006年06期

9 陈超武;董绍华;;求解炼钢—连铸批量问题的自适应遗传算法[J];制造业自动化;2007年02期

10 朱志宇;王建华;;基于混沌优化自适应遗传算法的数据关联求解[J];航天控制;2007年04期

中国重要会议论文全文数据库前10条

1 楚永宾;唐振;刘小平;卫星;张利;;基于自适应遗传算法的单点交通信号控制方法[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年

2 郭毓;林喜波;胡维礼;;基于代沟信息的自适应遗传算法[A];江苏省自动化学会七届四次理事会暨2004学术年会青年学者论坛论文集[C];2004年

3 张文广;周绍磊;李新;;一种新的改进型自适应遗传算法研究[A];2005年中国智能自动化会议论文集[C];2005年

4 刘洪杰;王秀峰;王治宝;;多峰搜索的自适应遗传算法[A];第二十一届中国控制会议论文集[C];2002年

5 潘伟;杨劲松;;基于实数自适应遗传算法的μ综合问题[A];2007中国控制与决策学术年会论文集[C];2007年

6 钟守楠;;自适应遗传算法的探讨[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

7 杨泽青;刘丽冰;谭志洪;刘伟玲;;自适应遗传算法在柔性检测路径规划中的应用[A];第二十七届中国控制会议论文集[C];2008年

8 王晓鹏;;基于混合自适应遗传算法的飞机气动优化设计[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

9 杨林德;刘学增;王悦照;朱合华;仇圣华;;改进的自适应遗传算法及其工程应用[A];第八次全国岩石力学与工程学术大会论文集[C];2004年

10 危涛;宋万杰;张林让;;自适应遗传算法在M-序列码搜索中的应用[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年

中国博士学位论文全文数据库前1条

1 黄利;一类自适应遗传算法的渐近行为研究[D];武汉大学;2012年

中国硕士学位论文全文数据库前10条

1 李欣;自适应遗传算法的改进与研究[D];南京信息工程大学;2008年

2 龙锋;基于自适应遗传算法的W公司仓库货位分配与优化研究[D];华南理工大学;2015年

3 周凌霄;基于自适应遗传算法的水轮发电机励磁控制研究[D];南昌工程学院;2015年

4 许盼盼;基于自适应遗传的有限截断算法及其在自主导航中的应用[D];青岛科技大学;2016年

5 王玉波;带有返工工件的单机重调度问题[D];东北大学;2014年