船舶分段建造工程工期、成本、质量综合均衡优化研究

发布时间：2017-09-25 14:29

  本文关键词：船舶分段建造工程工期、成本、质量综合均衡优化研究

  更多相关文章： 船舶分段建造 工期-成本-质量 多目标优化 粒子群算法

【摘要】：船舶分段建造工程建设项目的总目标是要使建造工期最短、成本最低和质量最优，，这三个管理目标是相互关联的矛盾对立统一关系。因此在船舶分段建造的项目管理中，如何做到建造工期、成本和质量三个目标的动态优化和协调管理是本论文研究的重点和主要目标。 本论文的主要研究内容和论文框架包含以下几个方面:阐述当前我国船舶分段建造项目管理的特点，对工程项目管理优化研究进行分析和概述。介绍了粒子群算法及多目标决策理论等相关理论基础。对船舶分段建造工程项目管理及期三个目标要素进行了分析和定义，并提出了对三个目标要素进行优化的模型，分别研究了三个目标要素之间的相互关系，在以上工作的基础上，构建了船舶分段建造多目标综合均衡优化模型。提出了多目标粒子群算法求解该类问题。最后运用该模型对一个工程实例进行优化，优化结果证明了该方法的可行性和有效性,为项目管理者提供了有效的决策支持。最后通过对一个船舶分段中的第109分段的实际工程建立多目标优化模型，优化结果能很好的满足所要求的目标质量和工期，还通过利用网络计划技术使工程的工期、成本和质量达到均衡，实现了三者之间的平衡。 把智能算法引入船舶分段建造工程项目管理领域，对船舶分段建造多目标优化是一个比较新颖的研究课题，论文通过一个实例验证了这种思路的有效性，用智能算法解决船舶分段建造的工程管理实际问题不仅能丰富船舶建造工程管理理论和技术手段，更有利于提高船舶建造工程项目各方管理工程的技术水平，因此具有重要的理论和实践意义。
【关键词】：船舶分段建造 工期-成本-质量 多目标优化 粒子群算法
【学位授予单位】：江苏科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：U673
【目录】：

• 摘要6-7
• Abstract7-14
• 第1章 绪论14-22
• 1.1 研究背景及研究意义14-15
• 1.2 国内外研究现状15-19
• 1.2.1 多目标优化问题研究现状15-18
• 1.2.2 船舶建造工程多目标优化问题研究现状18-19
• 1.3 本文的研究内容及研究的难点和创新点19
• 1.3.1 本文研究的主要内容19
• 1.3.2 本文研究难点19
• 1.3.3 本文创新点19
• 1.4 研究方法及思路19-20
• 1.4.1研究方法及思路19-20
• 1.4.2 技术路线图20
• 1.5 本章小结20-22
• 第2章 相关理论基础22-38
• 2.1 基本粒子群算法22-27
• 2.1.1 基本粒子群算法概述22-24
• 2.1.2 算法基本原理24-25
• 2.1.3 粒子群算法的两种模型25-27
• 2.2 标准粒子群算法27-33
• 2.2.1 带惯性权重的粒子群算法27-28
• 2.2.2 带有收缩因子的粒子群算法28-29
• 2.2.3 粒子群算法其它参数的设置29
• 2.2.4 算法流程29-31
• 2.2.5 粒子群算法和其它算法的比较31-32
• 2.2.6 粒子群算法的优化策略32
• 2.2.7 粒子群算法的应用32-33
• 2.3 多目标优化理论33-37
• 2.3.1 基本概念和术语33-34
• 2.3.2 多目标优化的特点34
• 2.3.3 多目标优化方法及其求解34-37
• 2.4 本章小结37-38
• 第3章 船舶分段建造工程项目多目标优化模型研究38-55
• 3.1 船舶分段建造工程概述及其项目管理特点38-39
• 3.1.1 船舶分段建造工程概述38
• 3.1.2 船舶分段建造工程项目管理特点38-39
• 3.2 船舶分段建造工程工期要素分析及其函数的建立39-43
• 3.2.1 船舶分段建造工程工期要素概述39-41
• 3.2.2 船舶分段建造工程工期的影响因素41-42
• 3.2.3 船舶分段建造工程工期函数的建立2942-43
• 3.3 船舶分段建造工程成本要素分析及其函数的建立43-44
• 3.3.1 船舶分段建造工程成本要素概述43
• 3.3.2 影响成本的因素43-44
• 3.3.3 船舶分段建造成本函数的建立44
• 3.4 船舶分段建造工程质量要素分析及其函数的建立44-47
• 3.4.1 质量要素概述44-46
• 3.4.2 船舶建造工程质量管理特点46
• 3.4.3 船舶分段建造工程质量函数的建立46-47
• 3.5 船舶分段建造工程工期、成本、质量的相互关系47-51
• 3.5.1 工期－成本的相互关系47-48
• 3.5.2 工期－质量的相互关系48-49
• 3.5.3 质量－成本的相互关系49-50
• 3.5.4 工期－成本－质量的相互关系50-51
• 3.6 船舶分段建造工程项目多目标综合优化研究51-53
• 3.6.1 成本、质量约束下的工期优化问题51-52
• 3.6.2 工期、质量约束下的成本优化问题52
• 3.6.3 工期、成本约束下的质量优化问题52-53
• 3.6.4 工期、成本、质量多目标综合优化问题研究53
• 3.7 本章小结53-55
• 第4章 基于多目标粒子群算法的模型求解55-60
• 4.1 多目标粒子群算法概述55
• 4.2 基于多目标粒子群算法的模型求解55-57
• 4.3 测试函数57-59
• 4.4 本章小结59-60
• 第5章 实例分析60-67
• 5.1 工程概况60
• 5.2 参数估计60-61
• 5.3 计算工期、成本和质量61-62
• 5.4 模型的建立62-63
• 5.5 模型求解过程63-65
• 5.6 结果分析65-66
• 5.7 模型评价66
• 5.8 本章小结66-67
• 总结67-69
• 参考文献69-73
• 攻读硕士学位期间所发表的学术论文73-74
• 附录 多目标粒子群算法代码74-80
• 致谢80

【相似文献】

中国期刊全文数据库 前10条

1 王希云;刘瑞芳;;混沌粒子群算法及其在桁架结构优化设计中的应用[J];太原科技大学学报;2006年06期

2 常伯涛;范颖;赵书强;马燕峰;杨建华;;基于改进粒子群算法的输电网扩展规划[J];华北电力大学学报(自然科学版);2008年04期

3 张亮;吕林;;利用粒子群算法解决电网优化购入电量[J];电力系统保护与控制;2009年22期

4 刘志雄;严新平;赵润军;;置换流水车间调度粒子群算法与参数设置分析[J];武汉理工大学学报(交通科学与工程版);2010年06期

5 张天姣;汪清;何开锋;;粒子群算法在气动力参数辨识中的应用[J];空气动力学学报;2010年06期

6 乔佩利;马丽丽;郑林;;基于改进粒子群算法的车间作业调度问题研究[J];哈尔滨理工大学学报;2011年02期

7 田雨波;彭涛;沙莎;;基于微分进化算子和混沌扰动的量子粒子群算法[J];江苏科技大学学报(自然科学版);2011年02期

8 侯磊;;基于多目标粒子群算法的船舶主尺度优化设计研究[J];船舶力学;2011年07期

9 赵菲;焦彦军;;基于粒子群算法的输电线路参数辨识[J];陕西电力;2011年09期

10 余罗兼;李济泽;;一种改进粒子群算法的移动机器人路径规划[J];机电技术;2011年05期

中国重要会议论文全文数据库 前10条

1 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集（上）[C];2009年

2 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

3 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

4 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年

7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年

10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国（天津）’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年

中国博士学位论文全文数据库 前10条

1 王芳;粒子群算法的研究[D];西南大学;2006年

2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年

3 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年

4 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

5 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年

6 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

7 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年

8 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年

9 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年

10 雷开友;粒子群算法及其应用研究[D];西南大学;2006年

中国硕士学位论文全文数据库 前10条

1 张兰;量子粒子群算法及其应用[D];西北大学;2010年

2 随聪慧;粒子群算法的改进方法研究[D];西南交通大学;2010年

3 董银丽;一种新的交叉粒子群算法及其应用[D];西安电子科技大学;2006年

4 马楠楠;基于粒子群算法的化工过程优化及其应用[D];北京化工大学;2008年

5 徐青鹤;改进粒子群算法及其应用研究[D];杭州电子科技大学;2009年

6 郭香军;粒子群算法的改进研究[D];燕山大学;2012年

7 钟帅;基于粒子群算法的微博用户影响力研究[D];华中科技大学;2012年

8 方群;多目标拆卸线平衡问题的改进粒子群算法研究[D];西南交通大学;2014年

9 朱伟丰;改进粒子群算法最优路径的研究[D];重庆师范大学;2014年

10 孟令群;混沌粒子群算法在河流水质模型参数识别中的应用[D];长安大学;2009年

本文编号：917887