基于微粒群算法的工程项目质量、费用和工期综合优化

进度、费用和质量称为工程项目的三大控制目标,三者之间相互依存、相互影响。工程项目控制的理想状态是同时实现合理的工期、较低的费用和较高的质量。微粒群算法(PSO)是新近出现的一种仿生算法,具有简单容易实现,而且随机搜索的优点,使得搜索不易陷于局部最优。将该算法引入工程项目优化领域,研究工程项目的质量、费用和工期的综合优化问题。系统介绍微粒群算法原理、流程以及算法的改进发展,研究工程项目质量、费用和工期的优化,并建立质量、费用和工期的多目标综合优化模型,介绍应用微粒群算法编码解决工程项目多目标优化的方法步骤。最后,通过一个应用实例,计算表明微粒群算法可以准确快速地解决工程项目多目标优化问题。

基于向量评价遗传算法的工程项目多目标优化

进度、费用和质量为工程项目的3大主要控制目标,工程项目多目标优化就是要尽可能实现3大目标的和谐统一。利用多目标优化理论建立了面向工程项目的多目标优化模型,给出了利用向量评价遗传算法对工程项目多目标优化问题的求解设计思路,阐述了算法的实现流程,并通过实例验证了该模型有效解决工程项目多目标优化的可行性。

基于决策树的工程项目管理优化研究

为了使企业能够更好地适应社会的需求,对市场的变化做出快速地反应。针对工程项目的特点,运用改进的ID3决策树算法对工程项目管理进行优化。首先,构建工程项目管理的优化属性,聘请相关专家对属性与工程项目风险进行评分,然后,对评分进行离散化处理,最后利用ID3决策树算法对工程项目信息进行充分挖掘,生成工程项目管理优化决策树,找出其中影响工程项目优化管理的分类规则,分析工程项目的实施情况,给出个性化提示,从而达到对企业工程项目的有效控制和优化。

资源约束条件下工期、质量、成本综合均衡优化

工期、质量、成本称为工程项目的三大控制目标，三者相互依存，相互影响．工程项目优化控制的理想结果是同时实现合理的工期、较低的费用和较高的质量．利用多属性效用函数以及效用分解定理，建立了基于资源约束条件下的工期、质量、成本的综合均衡优化与控制模型，并引入遗传算法，对模型进行求解．通过一个应用实例，对实际施工中的工期、质量、成本综合均衡优化给出了备选方案．

基于遗传算法的道路项目全生命周期优化分析

工期与成本的优化是建设工程项目管理的主要内容。通过从全生命周期的角度出发,考虑了建设项目的建设成本和运营成本,分析了工程活动的全生命周期成本费用与工程工期两者的非线性关系,构建了优化后的工期-成本模型,并采用非支配排序遗传算法,给出最优决策方案。最后,通过案例说明了优化模型具有良好的适用性。