基于混沌加速果蝇优化算法的航电枢纽施工进度研究

发布时间：2021-12-25 07:07

　　针对季节性冰冻河流航电枢纽施工进度优化问题,以工期为优化目标,计入季节性冰冻因素,以施工强度和工程资源为约束条件,建立了施工进度优化模型（CSOM）;为了获得CSOM优化模型更优解,基于果蝇优化算法,设计自适应加速搜索机制和全局混沌扰动机制,建立混沌加速果蝇优化算法（CAFOA）;利用CAFOA算法求解CSOM优化模型,得到一种混沌加速果蝇季节性冰冻河流航电枢纽施工进度优化方法;基于依兰航电枢纽工程施工组织数据,开展数值实验。结果表明:建立的方法用于解决季节性冰冻河流航电枢纽施工优化问题是可行的,并获得了较满意的结果。 

【文章来源】：重庆交通大学学报(自然科学版). 2019,38(01)北大核心CSCD

【文章页数】：7 页

【部分图文】：

CAFOA的进化流程Fig．1EvolutionaryprocessesofCAFOA

图2航电枢纽工程优化前后施工横道图Fig．2Ganttchartofnavigation-powerjunctionprojectbeforeandafteroptimization4．4优化算法性能分析基于5种算法对CSOM分别独立求解50次，按照工期大小进行排序，得出最短优化工期和最长优化工期，计算工期平均值和优化工期方差，统计结果见表3。可以看出，与被选择的其他4种算法相比，CAFOA所得的优化结果波动最小。表35种算法优化结果波动对比Table3Contrastofoptimizationresultsfluctuationfor5kindsofalgorithm优化算法优化工期/d最短最长平均优化工期方差(DX)PSO1523．011527．461525．601．7613FOA1521．221525．121523．591．4194SAAS-FOA1509．251511．921510．410．6111GCMA-FOA1502．631504．611503．510．3349CAFOA1491．231492．321491．860．0867为测试CAFOA的收敛性能，根据每次迭代的项目工期的算术平均值，绘制适应度值平均进化曲线。5种算法下航电枢纽工程工期收敛曲线如图3。由图3可知，5种算法均收敛，获得工期最优解，但PSO、FOA、SAAS-FOA、GCPA-FOA、CAFOA分别在第25、24、18、30、13代时收敛，为1526、1523、1510、1503、1492d;FOA最佳适应度值与PSO近似，收敛代数相近;SAAS-FOA由于在FOA中加入SAAS，加快工期收敛速度，在FOA前收敛;GCPA-FOA由于在FOA中加入了GCPA使算法更大程度上对可行域进行遍历，提升了工期效果优化。图3航电枢纽工程工期收敛曲线Fig．3Convergencecurveoftotaltimelimitfornavigation-powerjunctionproject综上，SAAS-FOA比GCPA-FOA收敛速度快，但GCPA-FOA的求解效果更加优秀;CAFOA综合了SAAS-F

航电枢纽工程工期收敛曲线Fig．3Convergencecurveoftotaltimelimitfornavigation-power


本文编号：3552010